评估要素学习/提炼能力关联专业知识办公技能执行力/IQ沟通能力/tradeoff技术理解（技术能力）AQ/EQ（心态/襟怀）行业融入感/ownership对外商务沟通(BD\P3以上)行业认知专业设计能力运营数据分析营销与推广策略危机预测与控制/预见性市场/用户的调研与分析用户需求理解/80/20/细节产品规划（版本计划/节奏）渠道管理 项目管理带人的能力/知识传递
2016/2/23 12:31:54
217KB
1
主要讲述了：1.华为虚拟化、私有云、桌面云三大方案以及每个方案的特点、功能。
2.云数据中心中运维的一些基本知识，并简单介绍了云数据中心运维的工作内容3.迁移的背景，概述，评估，方案的设计与实施以及最后的调优与验收五大方面阐述迁移实施的基本流程。
4.掌握云计算的基础故障处理知识有助于快速定位故障点，从而采取针对性的手段排除故障，保证业务正常运行。
5.讲述华为云计算不同场景处理方案，包含虚拟化、私有云、桌面云三大场景。
通过本章学习，希望大家对不同场景的处理方案架构、主要功能特性等方面有较为清晰的了解。
2.云数据中心中运维的一些基本知识，并简单介绍了云数据中心运维的工作内容3.迁移的背景，概述，评估，方案的设计与实施以及最后的调优与验收五大方面阐述迁移实施的基本流程。
4.掌握云计算的基础故障处理知识有助于快速定位故障点，从而采取针对性的手段排除故障，保证业务正常运行。
5.讲述华为云计算不同场景处理方案，包含虚拟化、私有云、桌面云三大场景。
通过本章学习，希望大家对不同场景的处理方案架构、主要功能特性等方面有较为清晰的了解。
2018/1/19 1:44:49
56.17MB
1
随着计算机网络的快速发展，网络上的信息量也日益纷繁复杂。
如何准确、快速地帮助人们从海量网络数据中获取所需信息，是目前搜索引擎首要解决的问题，为此，各种搜索排序算法应运而生。
但是目前，网页信息的表达方式都十分简单，用户描述查询的方式更是十分简单，这就造成了在判断网页内容与用户查询相关性时十分困难。
本文首先对现有的搜索引擎排序算法进行了分类总结，分析它们的优缺点。
然后提出了一种基于用户反馈的语义标记的新方法，最后采用多种评估方法与Google搜索结果进行对比分析。
实验结果表明，利用本文的方法所得到的排序结果比Google的排序结果更接近用户需求。
如何准确、快速地帮助人们从海量网络数据中获取所需信息，是目前搜索引擎首要解决的问题，为此，各种搜索排序算法应运而生。
但是目前，网页信息的表达方式都十分简单，用户描述查询的方式更是十分简单，这就造成了在判断网页内容与用户查询相关性时十分困难。
本文首先对现有的搜索引擎排序算法进行了分类总结，分析它们的优缺点。
然后提出了一种基于用户反馈的语义标记的新方法，最后采用多种评估方法与Google搜索结果进行对比分析。
实验结果表明，利用本文的方法所得到的排序结果比Google的排序结果更接近用户需求。
2015/4/21 13:41:10
841KB
1
提起如今的IT项目，软件工程倍受关注。
而软件的质量更是众人关注的焦点，因为目前还没有一套完善的评估标准。
甚至有人提出，现在的软件开发根本提不上是"工程"，因为它太稚嫩了，还没有一套成熟的标准来比照;因而软件项目极易出现失败或失误。
大量实践证明，软件工程项目的成败，通常是因为管理问题(协同工作的能力)，而不是技术上的问题。
要想做一盘"完美"的软件大餐，质量管理的作用是不言而喻的。
(《长松组织系统》工具包--数千家企业成功发展壮大的选择，值得您的信任!)质量管理主要包括三个过程：质量计划制定、质量保证和质量控制。
质量计划：是质量管理的第一过程域，它主要指依据公司的质量方针、产品描述以及质量标准和规
而软件的质量更是众人关注的焦点，因为目前还没有一套完善的评估标准。
甚至有人提出，现在的软件开发根本提不上是"工程"，因为它太稚嫩了，还没有一套成熟的标准来比照;因而软件项目极易出现失败或失误。
大量实践证明，软件工程项目的成败，通常是因为管理问题(协同工作的能力)，而不是技术上的问题。
要想做一盘"完美"的软件大餐，质量管理的作用是不言而喻的。
(《长松组织系统》工具包--数千家企业成功发展壮大的选择，值得您的信任!)质量管理主要包括三个过程：质量计划制定、质量保证和质量控制。
质量计划：是质量管理的第一过程域，它主要指依据公司的质量方针、产品描述以及质量标准和规
2016/9/1 21:34:14
143KB
1
WST500.25-2016电子病历共享文档规范第25部分：出院评估与指点
2017/8/2 19:58:27
641KB
1
本书适合有志于从事数据挖掘的初学者，需求的朋友可看看第一部分数据挖掘与机器学习数学基础3第一章机器学习的统计基础3第二章探索性数据分析（EDA）.11第二部分机器学习概述14第三章机器学习概述14第三部分监督学习---分类与回归16第四章KNN（k最邻近分类算法）16第五章决策树19第六章朴素贝叶斯分类29第七章Logistic回归.32第八章SVM支持向量机42第九章集成学习(EsembleLearning)43第十一章模型评估46第四部分非监督学习---聚类与关联分析50第十二章Kmeans聚类分析.50第十三章关联分析Apriori.52第十四章数据预处理之数据降维54第五部分Python数据预处理.57第十五章Python数据分析基础.57第十六章Python进行数据清洗.77第六部分数据结构与算法82第七部分SQL知识.86第八部分数据挖掘案例分析87案例一AJourneythroughTitanic597c770e.87案例二Analysisforairplane-crashes-since-190894案例三贷款预测问题98案例四KNN算法实现葡萄酒价格模型预测及交叉验证107
2015/1/23 5:02:50
4.4MB
1
客户生存与流失预测客户流失率是评估不断增长的业务的最重要指标之一。
虽然这不是最幸福的衡量标准，但它可以使您的公司了解保留客户的事实。
Heroku应用程序MyHeroku应用程序：:生存分析生存分析是统计的一个分支，用于分析直到一个或多个事件（例如生物体死亡和机械系统故障）发生之前的预期持续时间。
Kaplan-Meier曲线（我的博客）脚步步骤1问题定义关键的挑战是预测单个客户能否会流失。
第2步数据采集用于此分类问题的数据集来自Kaggle，并来自IBM示例数据集集合（）。
第三步探索性数据分析收集数据后，将执行几个步骤来探索数据。
此步骤的目标是了解数据结构，进行初始预处理，清理数据，识别数据中的模式和不一致之处（例如，偏度，离群值，缺失值），并建立和验证假设。
第4步特征工程在特征工程中，从现有特征生成新特征，并在将所有特征转换
虽然这不是最幸福的衡量标准，但它可以使您的公司了解保留客户的事实。
Heroku应用程序MyHeroku应用程序：:生存分析生存分析是统计的一个分支，用于分析直到一个或多个事件（例如生物体死亡和机械系统故障）发生之前的预期持续时间。
Kaplan-Meier曲线（我的博客）脚步步骤1问题定义关键的挑战是预测单个客户能否会流失。
第2步数据采集用于此分类问题的数据集来自Kaggle，并来自IBM示例数据集集合（）。
第三步探索性数据分析收集数据后，将执行几个步骤来探索数据。
此步骤的目标是了解数据结构，进行初始预处理，清理数据，识别数据中的模式和不一致之处（例如，偏度，离群值，缺失值），并建立和验证假设。
第4步特征工程在特征工程中，从现有特征生成新特征，并在将所有特征转换
2018/10/22 3:11:14
7.78MB
1
MeshProfiler是一款可以列出场景所有模型各项信息的功能评估工具，以帮助开发者进行游戏优化。
它以列表的形式详细列出了场景中引用的模型文件的详细信息：包括顶点数，面数，法线，切线，顶点色以及各套uv，占用内存，是否可读写等各项信息。
并提供了对应的查阅视图。
默认按顶点数进行排序，你也可以选择其他排序方式进行排列，同时提供了筛选功能进行目标筛选，你可以通过它检查场景种的模型是否含有多余的法线，uv等信息，从而进行针对性优化。
同时提供了以下工具：(1)导出Excel表。
(2)定位资源路径。
(3)列出场景丢失Mesh物体。
(4)法线，切线，可读写开启/关闭工具。
它以列表的形式详细列出了场景中引用的模型文件的详细信息：包括顶点数，面数，法线，切线，顶点色以及各套uv，占用内存，是否可读写等各项信息。
并提供了对应的查阅视图。
默认按顶点数进行排序，你也可以选择其他排序方式进行排列，同时提供了筛选功能进行目标筛选，你可以通过它检查场景种的模型是否含有多余的法线，uv等信息，从而进行针对性优化。
同时提供了以下工具：(1)导出Excel表。
(2)定位资源路径。
(3)列出场景丢失Mesh物体。
(4)法线，切线，可读写开启/关闭工具。
2018/9/22 3:29:31
2.77MB
1
人工智能基础视频教程零基础入门课程第十二章人工智能基础视频教程零基础入门课程，不需要编程基础即可学习，共15章，由于整体课程内容太大，无法一次传输，分章节上传。
第一章人工智能开发及远景引见（预科）第二章线性回归深入和代码实现第三章梯度下降和过拟合和归一化第四章逻辑回归详解和应用第五章分类器项目案例和神经网络算法第六章多分类、决策树分类、随机森林分类第七章分类评估、聚类第八章密度聚类、谱聚类第九章深度学习、TensorFlow安装和实现第十章TensorFlow深入、TensorBoard十一章DNN深度神经网络手写图片识别十二章TensorBoard可视化十三章卷积神经网络、CNN识别图片十四章卷积神经网络深入、AlexNet模型十五章Keras深度学习框架
第一章人工智能开发及远景引见（预科）第二章线性回归深入和代码实现第三章梯度下降和过拟合和归一化第四章逻辑回归详解和应用第五章分类器项目案例和神经网络算法第六章多分类、决策树分类、随机森林分类第七章分类评估、聚类第八章密度聚类、谱聚类第九章深度学习、TensorFlow安装和实现第十章TensorFlow深入、TensorBoard十一章DNN深度神经网络手写图片识别十二章TensorBoard可视化十三章卷积神经网络、CNN识别图片十四章卷积神经网络深入、AlexNet模型十五章Keras深度学习框架
2022/9/9 0:14:27
351.03MB
1
DeST是建筑环境及HVAC系统模拟的软件平台，该平台以清华大学建筑技术科学系环境与设备研究所十余年的科研成果为理论基础，将现代模拟技术和独特的模拟思想运用到建筑环境的模拟和HVAC系统的模拟中去，为建筑环境的相关研究和建筑环境的模拟预测、功能评估提供了方便实用可靠的软件工具，为建筑设计及HVAC系统的相关研究和系统的模拟预测、功能优化提供了一流的软件工具
2022/9/8 8:05:07
3.84MB
1
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。
2024-04-09 15:03
15KB