搜索资源列表
Access开发平台专业版
- Access开发平台专业版是由艾盟威软件有限公司研发的一款开发平台,该平台集成了大量的常用功能模块,可以让Access开发人员降低开发难度、节省开发时间,以最快的时间让软件投入实际应用中。 在Access开发平台提供的MDB源程序(AccDev.mdb)中,已经开发好了下面提到的8大功能模块,您将不必耗费宝贵时间去开发这些常用功能,您只需要在AccDev.mdb的基础上,开发自已想要的业务功能后,就完成了您的系统。 专业版集成的功能模块:1.局域网联网模块; 2.密码登录模块; 3
c#读取大智慧数据
- c#读取大智慧数据开发个性化图表(k线等)源码及图表控件源码和教程
FinData1.0.大智慧数据读取接口可以采用该数据接口进行二次开发
- 大智慧数据读取接口可以采用该数据接口进行二次开发。 (原作者戏水云空),Great to read the wisdom of the data interface (original author cloud water and air)
StockMonitor
- c#读取大智慧数据开发个性化图表(k线等)源码及图表控件源码和教程\股票图形控件-c# read the data in the development of individualized great wisdom chart (k lines, etc.) source and the chart control source and tutorials \ stock graphics control
Spring-Batch-Essentials
- 使用spring batch进行开发,适合进行大数据开发等场景-spring batch essentials
大规模分布式数据架构与实战
- 大规模分布式数据架构与实战。是关于分布式开发的技术书(Large scale distributed data architecture and actual combat)
供应链管理系统
- 供应链管理系统,大数据开发参考系统,适用新手开发参考。(Supply chain management system, large data development reference system.)
hadoopinternal
- hadoop大数据开发开源框架, 用来处理类似阿里,淘宝等日志信息的开源项目(hadoop is big database to alibaba google mayun)
jieba-master
- 主要用于Hadoop下的大数据的开发,文本分词,聚类算法的分析(The development of big data under Hadoop, text participle, clustering algorithm analysis)
基于Python开发的大数据处理参考资料
- 基于arcgis的Python语言开发提供帮助(ArcGIS based Python language development to help)
7486229
- JAMA A Java Matrix Package 用于JAVA开发中的矩阵运算()
MFSYLAL
- 不确定性实验室开发的不确定性算法 包括遗传算法()
shotus
- 本文采用C++开发遗传算法,并由次算法解决最短路算法,函数最优化算法,取得了良好的效果,()
bivovwrldad
- C常用算法程序集,包含了大量C++开发的算法程序()
1.学习汇编语言的15大好处
- 可以用于“破解高价商业软件” 可以用于“分析商业软件高价值功能” 可以用于“分析高盈利辅助的变态功能,基址,CALL” 可以用于“分析传播疾速的病毒的实现与防护” 可以用于“分析高利润盗号木马的实现与防护” 可以用于“分析所有网络游戏数据基址与CALL,变态功能等” 可以用于“易语言,VC++,Delphi Vb等开发环境内嵌汇编” 可以用于“分析游戏驱动保护与过保护驱动” 可以用于“分析百万乃至千万用户使用的软件oday漏洞” 可以用于“读懂各类需要汇编语言基础的书籍与文章”
mrbrbse
- 常用的算法,用于数学计算 还可以用于开发软件用()
hadoop-core-1.2.1
- 大数据文件,核心库,大数据开发用,要改成jar后缀(bigdata jar pakage,the .jar file for bigdata development)
@namespace#clockLidoo-0.0.1.tar
- DATAV大数据可视化,时间插件功能,应用阿里云datav框架,大屏开发控件(DATAV large data visualization)
极客内参-大数据开发实战-淘宝数据8
- 大数据环境搭建,主要是关于大数据分析的数据集。(Building big data environment)
python基础数据分析实例
- 假设要分析的数据包括属性age。数据元组的年龄值为(按递增顺序)13、15、16、19、20、20、21、22、22、25、25、25、25、25、30、33、35、35、35、36、40、45、46、52、70。另外,假设一家医院用上述年龄属性对所选样本受试者的年龄和体脂数据进行测试,得到结果,并执行下列操作: 1、将上述数据保存在逗号分隔值文件中。 2、将逗号分隔值文件中的数据读入R中的变量。 3、年龄和脂肪百分比的平均、中等和标准差是多少? 4、这个时代的模式是什么?评论数据的形式(即双峰