自己总结的imx6q驱动代码，基于platform框架，驱动GPIO按键，使用飞凌的板子

[第4讲] Wonderware System Platform技术架构介绍flv,1、Wonderware与Microsoft-ArchestrA和.Net架构；2、Wonderware System Platform主要功能；3、Wonderware System Platform产品架构及部署模型简介；4、Wonderware System Platform核心-Application Server特点简介

Java的Hprose Hprose是一个高性能的远程对象服务引擎。 它是一种现代，轻便，跨语言，跨平台，面向对象，高性能，远程动态通信中间件。 它不仅易于使用，而且功能强大。 您只需要一点时间来学习，然后就可以使用它轻松地构建跨语言跨平台的分布式应用程序系统。 Hprose支持多种编程语言，例如： 自动更快 动作脚本 ASP C ++ 镖 德尔福/帕斯卡 dotNET（C＃，Visual Basic ...） 高朗 Java JavaScript Node.js 目标C Perl PHP Python Ruby ... 通过Hprose ，您可以方便有效地在这些编程语言之间进行相互通信。 该项目是Hprose for Java的实现。 适用于Java文档的Hprose 2.0： :

backtrader-docs：backtrader文档

本文介绍了印象数据以及来自网易云音乐的相应用户，创作者和音乐内容卡数据。 该数据集由INFORMS和NetEase Cloud Music的收入管理和定价（RMP）部分共同提供，以支持运营管理中的数据驱动研究。 该数据包含2019年11月1日至2019年11月30日随机抽样的2,085,533用户的超过5700万印象的音乐内容卡印象。对于每次印象，该数据为用户提供了对所推荐音乐内容的响应措施，例如点击，喜欢和跟随。 此外，数据集还包含有关每个用户，每个内容创建者和印象样本中每个内容的信息。

为您提供Taisite-Platform 开源测试平台下载，Taisite-Platform「泰斯特平台」是一个由「软件测试 & 机器学习爱好者」开发的接口自动化测试平台。平台致力于将人工智能技术与软件测试有效结合，让平台在保障测试精确性要求的同时更具智能化、泛化能力， 同时尽可能 最优化使用体验 ，目标是成为 最贴心、最好用、颜值最高 的开源测试平台。平台遵循「前后端分离开发」思想，技术栈为：「Python + Vue + Mongodb」，后端开发使用

influxdb-cpp InfluxDB 的仅标头 C++ 查询和编写客户端。 支持版本： InfluxDB v0.9 ~ 1.7 在使用其他版本时检查自己。 为什么要使用 influxdb-cpp？ 非常小： 不到 300 行，只有 10KB+。 易于使用： 它旨在无需额外研究即可使用。 易于组装： 只需要包含一个很小的头文件。 无依赖： 除非 STL 和 std C 库。 例子 使用前 在使用之前你应该做的非常简单的事情只是： # include " influxdb.hpp " 写作实例 您应该在编写系列（指标）时参考。 measurement[,tag-key=tag-value...] field-key=field-value[,field2-key=field2-value...] [unix-nano-timestamp] 您可以根据以下示例快速开始

智能卡规范，用于gp层开发

误差理论虚拟实验平台 本项目目录结构 Assets ├─3rd // 第三方组件 │ └─Plugins // dll库 ├─Resources // 资源包，主要为Prefab预制体 │ ├─Audios │ ├─Environment │ ├─Instruments // 测量仪器资源 │ ├─Objects // 内置待测物体资源 │ └─UI // UI资源 ├─Scenes // 场景，只有MainScene会打包 └─Scripts ├─3rd ├─Game │ ├─Instruments // 仪器逻辑 │ └─UI // UI 逻辑 ├─Ma

租赁信息自动化采集和智能分析系统 本项目主要建造了一套出租房信息自动采集与智能分析系统，转换能自动且高效地整合各平台的数据，对可变数据进行数据分析，挖掘以及房屋预测，并建立一个可视化展示和用户互动体验的平台 主要合并一下几个部分实现 数据采集​​：采用Scrapy爬虫框架实现 数据清洗：使用Spark + HDFS流处理数据，生成数据集 数据挖掘：使用seaborn，matplot显示 房价预测：数据预处理+使用sklearn包中机器学习模型进行预测 系统展示： 初步：Django框架，数据库：MongoDB 前端主要板块： 主页：可视化展示租房数据的数据挖掘结果 我要租房：按筛选条件显示附带数据 房价预测：填写相关信息，引入初始模型进行房价预测 反馈：反馈意见