书栈网 · BookStack 本次搜索耗时 0.008 秒,为您找到 1905 个相关结果.
  • Crystal Programming Language Reference(202003)

    Crystal是一种通用的,面向对象的编程语言,由Ary Borenszweig,Juan Wajnerman,Brian Cardiff和300多位贡献者设计和开发。它的语法受到Ruby语言的启发,是一种具有静态类型检查的编译语言, 但是通常不需要指定变量或方法参数的类型。通过高级的附加类型变量算法来解析类型。
  • pandas 0.25.3 documentation

    pandas 是连接 SciPy 和 NumPy 的一种工具,该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具。Comma-separated values (CSV) 文件表示在有关各方之间分发数据的最常见的方法之一。Pandas 提供了一种优化库功能来读写多种文件格式,包括 CSV...
  • Cocos Analytics 使用教程

    Cocos Creator 服务面板集成了Cocos Analytics,只需要进行简单的设置就能够开启,方便在游戏开发过程中快速接入。为您提供符合行业标准的运营分析指标,简单而实用,并在不断的完善中。帮助管理者、产品、运营、开发等多角色,精准有效了解产品情况,更高效的获取目标客户,实现业务增长。
  • Qt 学习之路 2

    Qt 是一个著名的 C++ 应用程序框架。你并不能说它只是一个 GUI 库,因为 Qt 十分庞大,并不仅仅是 GUI 组件。使用 Qt,在一定程度上你获得的是一个“一站式”的解决方案:不再需要研究 STL,不再需要 C++ 的<string>,不再需要到处去找解析 XML、连接数据库、访问网络的各种第三方库,因为 Qt 自己内置了这些技术。
  • Dask 2.9.1 Document

    Dask 是一个用于分析计算的灵活的并行计算库。Dask 由两个组件组成:动态任务调度优化计算。 这类似于 Airflow、Luigi、Celery 或 Make,但是针对交互式计算工作负载进行了优化。“大数据”集合,如并行数组,数据框架和列表,将常见接口(如 NumPy、Pandas 或 Python 迭代器)扩展到 larger-than-memory ...
  • Dask Tutorial Documentation

    Dask 是一个用于分析计算的灵活的并行计算库。Dask 由两个组件组成:动态任务调度优化计算。 这类似于 Airflow、Luigi、Celery 或 Make,但是针对交互式计算工作负载进行了优化。“大数据”集合,如并行数组,数据框架和列表,将常见接口(如 NumPy、Pandas 或 Python 迭代器)扩展到 larger-than-memory ...
  • DataSphere Studio v0.6 使用手册

    DataSphere Studio(简称DSS)是微众银行大数据平台——WeDataSphere,自研的一站式数据应用开发管理门户。DataSphere Studio定位为数据应用开发门户,闭环涵盖数据应用开发全流程。在统一的UI下,以工作流式的图形化拖拽开发体验,满足从数据导入、脱敏清洗、分析挖掘、质量检测、可视化展现、定时调度到数据输出应用等,数据应用开...
  • DataSphere Studio v0.8 使用教程

    DataSphere Studio(简称DSS)是微众银行自研的一站式数据应用开发管理门户。 基于插拔式的集成框架设计,及计算中间件 Linkis ,可轻松接入上层各种数据应用系统,让数据开发变得简洁又易用。 在统一的UI下,DataSphere Studio以工作流式的图形化拖拽开发体验,将满足从数据交换、脱敏清洗、分析挖掘、质量检测、可视化展现、定时...
  • ClojureScript 入门指南

    Clojure(读作 "Closure")是 Rich Hickey 发明的一门 Lisp 方言, 它是一门通用编程语言但是着重于函数式编程. Clojure 本身编译到 JVM Bytecode 运行, 而 ClojureScript 编译到 JavaScript 运行. ClojureScript 在不可变数据和 DSL 构造方面的优势使之非常适合配...
  • Deeplearning Algorithms Tutorial(深度学习算法教程)

    最近以来一直在学习机器学习和算法,然后自己就在不断总结和写笔记,记录下自己的学习AI与算法历程。 机器学习(Machine Learning, ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。