DP-300：在Microsoft Azure（beta）上管理关系数据库学习指南 技能考核

dcmtk，c++，四个从上到下层级关系分类，分别是Patient（病人），Study（检查），Series（序列），Sop（图像）

Statistic-study-notes 李航统计学习方法（第二版）的学习笔记，包括： 1、每章重点数学公式的手动推导 均为手写然后扫描成图片，字迹不工整还望谅解，之后有时间会用Latex修正 点击数学公式没有出现图片的情况 需要搭梯子才可以在线预览到数学推导的图片... 3.1 无数学推导，偏重算法实现-KNN 5.1 无数学推导，偏重算法实现-决策树 6.1 最大熵模型的数学推导 6.2 拉格朗日对偶性问题的数学推导 6.3 改进的迭代尺度法数学推导 7.第七章数学公式推导 7.1 软间隔最大化对偶问题 7.2 证明最大间隔分离超平面存在唯一性 8.第八章数学公式推导 8.1 证明AdaBoost是前向分步加法算法的特例 8.2 证明AdaBoost的训练误差界 9.第九章数学公式推导 9.1 EM算法的导出 9.2 用EM算法估计高斯模混合模型 10.第十章数学公式推导 10.1

leetcode 分类 Algorithm_Study 牛客网的剑指Offer和leetcode部分题目解答 src下按照考察的知识点分类了leetcode的一些题目的代码实现 子项目NowcoderOffer下分享了牛客网的《剑指Offer》67道题的代码实现 没什么意义的开源项目，开源的目的仅仅是为在日常中熟悉git用法

go-study.zip

给游戏开发者们提供的一些用于玩家调研的不同方法。内有案例分析，英文原版

study_basedialog

简单人工神经网络（ANN） 关于案例研究 在此业务案例研究中，我们预测了银行客户的流失率。 为了了解银行的客户，我们将使用一种深度学习技术，即人工神经网络（ANN）。从数百万的客户中，我们随机选择了1万个客户。 我们将使用客户的特征来确定他/她离开银行的可能性。 为了了解银行的客户，我们将使用一种深度学习技术，即人工神经网络（ANN）。 此外，我们将使用流行的Python库（例如Tensorflow，Keras）和机器学习技术（例如Adam Optimizer）来训练ANN模型并预测客户流失率。 数据：客户数据存储在： 论文：ANN案例研究论文： 研究论文 代码：Artificial_Neural_Network_Case_Study.py SAMPLE_OUTPUT = ANN_Case_Study_Sample_Output_1.png SAMPLE_OUTPUT = ANN_C

learn more study less 英文原版书籍 尝试改变已有学习方式

Canonical Variate Analysis ,用于分析多组变量相关性，并能反应各变量重要程度