你很快就会发现基于数据的工作会变得多么广泛和美妙。
通过一系列的个人故事，该领域的39位最佳数据从业者解释了他们是如何为各式各样的项目来开发简单而又优雅的解决方案，包括从火星着陆器到电台司令(radiohead)的视频，以及更多。
通过这本书，你可以：·探索大量在线数据集内在的机会和挑战·了解如何使用地图和数据糅合来可视化城市犯罪趋势·发现众包和透明度如何推进了药品研究的状态·理解新数据如何能在覆盖先前数据时提醒用户·了解处理dna数据所需的巨量基础设施

Python源码，基于物品的协同过滤算法源码及数据集，可运行

电影《哪吒》猫眼评论数据集（21万条）电影《哪吒》猫眼评论数据集（21万条）电影《哪吒》猫眼评论数据集（21万条）

文件夹中包含了带标注的苹果图片1600张左右，标注格式为txt、xml格式。

经典的Moore网络流量集，是Moore等人采集的剑桥大学的流量数据，可用于网络流量识别分类等领域。

很经典的MFC教程。
目录译者序前言第一部分基础知识第1章窗口21.1窗口和API环境21.1.1三种类型窗口21.1.2客户区和非客户区31.2窗口和MFC环境41.3怎样应用MFC创建一个窗口51.4怎样使用MFC销毁一个窗口91.4.1捆绑到一个已有的窗口91.4.2窗口类101.4.3窗口进程101.5怎样使用MFC创建一个窗口类111.5.1使用AfxRegisterWndClass()函数注册一个窗口类111.5.2使用AfxRegisterClass()函数创建一个窗口类121.6怎样销毁一个MFC窗口类141.7厂商安装的窗口类141.8其他类型窗口151.9桌面窗口161.10小结16第2章类182.1基类182.1.1CObject182.1.2CCmdTarget192.1.3CWnd192.2应用程序、框架、文档和视图类192.2.1CWinApp(O/C/W)202.2.2CView(O/C/W)212.3其他用户界面类222.3.1通用控件类232.3.2菜单类232.3.3对话框类242.3.4控制条类242.3.5属性类252.4绘图类252.4.1设备环境类252.4.2图形对象类252.5文件类262.6数据库类262.6.1ODBC类262.6.2DAO类272.7数据集类272.8其他数据类272.9通信类282.10其他类292.11小结31第3章消息处理323.1发送或寄送一个消息323.1.1发送一个消息323.1.2寄送一个消息323.1.3发送一个消息与寄送一个消息的比较323.2怎样使用MFC发送一个消息333.3怎样用MFC寄送一个消息333.4三种类型的消息343.4.1窗口消息343.4.2命令消息343.4.3控件通知343.5MFC怎样接收一个寄送的消息363.6MFC怎样处理一个接收到的消息363.7处理用户界面的对象443.8创建自定义窗口消息453.8.1静态分配的窗口消息453.8.2动态分配的窗口消息463.9重定向消息473.9.1子分类和超分类473.9.2用MFC子分类窗口483.9.3重载OnCmdMsg()493.9.4使用SetWindowsHookEx()493.9.5使用SetCapture()493.9.6专有的消息泵503.10小结50第4章绘图514.1设备环境514.2在MFC环境中创建一个设备环境524.2.1屏幕524.2.2打印机534.2.3内存544.2.4信息544.3绘图例程554.3.1画点554.3.2画线554.3.3画形状554.3.4形状填充和翻转554.3.5滚动564.3.6绘制文本564.3.7绘制位图和图标564.4绘图属性564.4.1设备环境属性574.4.2画线属性584.4.3形状填充属性584.4.4文本绘制属性584.4.5映像模式594.4.6调色板属性624.4.7混合属性624.4.8剪裁属性634.4.9位图绘制属性644.5元文件和路径654.5.1元文件654.5.2路径664.6颜色和调色板664.6.1抖动色674.6.2未经抖动色674.6.3系统调色板674.6.4使用系统调色板684.6.5动画色714.7控制什么时候在哪里绘图714.7.1处理WM_PAINT714.7.2只绘制被无效化的区域724.7.3

常用的UCI数据集，可直接用于机器学习，数据挖掘，直接实现

近400多万条数据，可以做大数据分析的案例和练习，可以作为推荐系统的学习字段（id,userid,age,gender,item_id,behavior_type,item_category,date,province）（序号，用户ID，性别，商品ID，用户行为，商品种类，发生日期，发生省份）//1.浏览、2.收藏、3.加购物车4.购买至于如何去分析，资源里面附着Hadoop分析代码与Python可视化代码案例，当然仅供参考，你也可以自由发挥！

kaggle2018年人脸识别数据集，一共22张彩色人脸图，包括10位志愿者，包括不同光照变化、头部姿态。

研究了基于运动想象的皮层脑电信号ECoG的特点,针对BCI2005竞赛数据集I中的ECoG信号,通过提取频带能量获得了想象左手小指及舌头运动时的特征,结合Fisher,SVM-RFE及L0算法对特征进行选择,采用10段交叉验证的方法得到训练数据集在各维特征数下的识别正确率并选出最佳特征组合.结果表明:三种特征选择方法中SVM-RFE算法所选出的特征组合可以获得最低的识别错误率以及最低的特征维数,针对所选出的特征组合,使用训练数据集的特征对线性支持向量机进行训练,使用训练好的模型对测试数据集进行分类,识别正确率可以达到94%.

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。