SYSU_课程 介绍 本项目分享了本人及友友们在中山大学计算机学院计算机科学与技术专业的课程资料，项目，笔记，回忆或收集的期末考试资料等。希望对你们有启发或帮助〜如果喜欢不妨碍点个star嘻嘻！ 资料表明参考，同学们可自由共享取阅（如若转发请注明出处！谢谢！）。 指数 本仓库中收录的课程及资料目录： :curly_loop: 意味着空（本来就无） 课程 老师 学期 教材/课件 笔记 作业/答案 试卷 项目链接 黄华威 大三上 :check_mark: :check_mark: :curly_loop: :check_mark: 权小军 大三上 :check_mark: :curly_loop: :check_mark: :check_mark: 成慧 大三上 :check_mark: :curly_loop: 陈旭 大三上 :check_mark: :check_mark: :curly_loop: :check_mark: 饶洋辉 大三上 :check_mark: :check_mark: :check_mark: :check_

无偿分享，自取，有吉林大学计算机学院，软件学院，人工智能学院的考研真题，拿资料希望帮忙点个赞。

西北工业大学 计算机网络实验，实验报告 计算机网络实验课程通常是计算机科学、信息技术或相关领域的学生学习网络技术的一部分。在这门课程中，学生通常会学习有关计算机网络的基本原理、协议、网络拓扑结构、网络安全等方面的知识，并进行一些实际的网络配置和管理实验。 这门课程的内容可以因不同的大学和教师而异，但总的目标是使学生能够理解和应用计算机网络技术，从而为日后的职业生涯做好准备。实验课程通常包括网络设备的设置、网络协议的分析、网络安全漏洞的检测和修复等方面的实际操作

本资源系山东大学计算机网络课程设计—模拟路由器的源代码。 本资源系上传者个人编写，如有转载请注明出处。谢谢。

本文介绍了计算机科学中的六个重要概念：机器指令、程序计数器、进程、数据结构、总线和高速缓存存储器。机器指令是计算机执行操作的命令，程序计数器用于存储将要执行的指令在存储器中的存放地址，进程是操作系统进行资源分配和调度的独立单位，数据结构研究数据的逻辑和物理结构以及对数据的各种操作，总线是计算机各部分之间实现信息传送的通路，高速缓存存储器位于CPU和主存之间，用于提高数据访问速度。这些概念是计算机科学中的基础，对于理解计算机系统的运作原理和进行编程开发都具有重要意义。

大学计算机基础（第3版）（微课版）_PPT课件.rar

大学计算机基础（微课版）_PPT课件.zip

2024年计算机考研真题大全，适合2024年考研学生。内容包括北京大学、清华大学等计算机考研初试真题。

原资源可在github中搜索到，这里只是用于个人学习方便。 课程内容 第1讲 知识图谱概论 （2019-3-1,2019-3-8） 1.1 知识图谱起源和发展 1.2 知识图谱 VS 深度学习 1.3 知识图谱 VS 关系数据库 VS 传统专家库 1.4 知识图谱本质和核心价值 1.5 知识图谱技术体系 1.6 典型知识图谱 1.7 知识图谱应用场景 第2讲 知识表示 (2019-3-15) 2.1 知识表示概念 2.2 知识表示方法 语义网络 产生式系统 框架系统 概念图 形式化概念分析 描述逻辑 本体 本体语言 统计表示学习 第3讲 知识建模 （2019-3-15，2019-3-22） 3.1 本体 3.2 知识建模方法 本体工程 本体学习 知识建模工具 知识建模实践 第4讲 知识抽取基础:问题和方法（2019-3-22） 4.1 知识抽取场景 4.2 知识抽取挑战 4.3 面向结构化数据的知识抽取 4.4 面向半结构化数据的知识抽取 4.5 面向非机构化数据的知识抽取 第5讲 知识抽取:数据采集（2019-3-29） 5.1 数据采集原理和技术 爬虫原理 请求和响应 多线程并行爬取 反爬机制应对 5.2 数据采集实践 百科 论坛 社交网络等爬取实践 第6讲 知识抽取:实体识别（2019-3-29） 6.1 实体识别基本概念 6.2 基于规则和词典的实体识别方法 6.3 基于机器学习的实体识别方法 6.4 基于深度学习的实体识别方法 6.5 基于半监督学习的实体识别方法 6.6 基于迁移学习的实体识别方法 6.7 基于预训练的实体识别方法 第7讲 知识抽取:关系抽取（2019-4-19，2019-4-26） 7.1 关系基本概念 7.2 语义关系 7.3 关系抽取的特征 7.4 关系抽取数据集 7.5 基于监督学习的关系抽取方法 7.6 基于无监督学习的关系抽取方法 7.7 基于远程监督的关系抽取方法 7.8 基于深度学习/强化学习的关系抽取方法 第8讲 知识抽取:事件抽取（2019-3-29） 8.1 事件抽取基本概念 8.2 基于规则和模板的事件抽取方法 8.3 基于机器学习的事件抽取方法 8.4 基于深度学习的事件抽取方法 8.5 基于知识库的事件抽取方法 8.6 基于强化学习的事件抽取方法 第9讲 知识融合（2019-4-28） 9.1 知识异构 9.2 本体匹配 9.3 匹配抽取和匹配调谐 9.4 实体匹配 9.5 大规模实体匹配处理 9.6 知识融合应用实例 第10讲 知识图谱表示学习（2019-5-5） 10.1 知识表示学习概念 10.2 基于距离的表示学习模型 10.3 基于翻译的表示学习模型 10.4 基于语义的表示学习模型 10.5 融合多源信息的表示学习模型 10.6 知识图谱表示学习模型的评测 10.7 知识图谱表示学习前沿进展和挑战 第11讲 知识存储（2019-5-10） 11.1 知识存储概念 11.2 图数据库管理系统、模型、查询语言 11.3 RDF数据库管理系统、模型、查询语言 11.4 基于关系型数据库的知识存储 第12讲 基于知识的智能问答（2019-5-10） 12.1 智能问答基础 12.2 问题理解 12.3 问题求解 12.4 基于模板的知识问答方法 12.5 基于语义分析的知识问答方法 12.6 基于深度学习的知识问答方法 12.7 IBM Watson原理和技术剖析 12.8 微软小冰的原理和技术剖析 第13讲 实体链接（2019-5-17） 13.1 实体链接基本概念 13.2 基于概率生成模型的实体链接方法 13.3 基于主题模型的实体链接方法 13.4 基于图的实体链接方法 13.5 基于深度学习的实体链接方法 13.6 基于无监督的实体链接方法 第14讲 知识推理（2019-5-17） 14.1 知识推理基础概念 14.2 基于逻辑的知识推理方法 14.3 基于统计学习的知识推理方法 14.4 基于图的知识推理方法 14.4 基于神经网络的知识推理方法 14.5 多种方法混合的知识推理方法

西北工业大学、计算机网络实验内容，http协议，西工大