SQL 基础学习: 和深度学习资料

SQL is a standard language for storing, manipulating and retrieving data in databasee.

关系型数据库:RDBMS(Relational Database Mangement System)

SQLite3:

Rails默认的轻量级数据库,集成于Rails中,在db/development.sqlite3这个档案中。

用途:单机用途。所以在实际部署的时候会换成MySQL等数据库服务器。

MySQL:

目前流行的开源数据库。这是一个数据库服务器,要连接它需要数据库的账号密码。

Mac上用 brew install mysql 安装MySQL,推荐再安装 Sequal Pro 这套Gui(Graphical User interface,图形用户界面)软件


如果有人问你数据库的原理,叫他看这篇文章http://blog.jobbole.com/100349/

一些学习资料:

https://www.udacity.com/course/intro-to-relational-databases--ud197

https://launchschool.com/books/sql/read/introduction

https://www.codecademy.com/learn/learn-sql

https://www.codecademy.com/learn/sql-analyzing-business-metrics

https://en.wikibooks.org/wiki/SQL_Exercises

https://pgexercises.com/

http://sqlzoo.net/wiki/SQL_Tutorial



rdbms的特点:

一 schema:使用前先定义tables和columns,同时定义每个column的Data Type.

Data Type:

varchar或text:

Integer,Decimal,Float:

Blob二进制:可以存放档案。但是通常不建议把档案直接塞数据库,一来数据库塞太大不容易备份和管理、二来没有什么好处,因为你也没办法针对二进制档案进行条件搜寻和过滤。人们对于读档案也有心理准备会比较慢。所以通常只会在数据库里面纪录档案的 metadata 例如档名、大小、MimeType 等等,而实际的档案则放在档案系统上,或是上传到七牛或AWS S3等空间。

Boolean:

Date, Time, Datetime:

pasting

create_table :events do |t|
  t.string :name
  t.text   :description
  t.integer :capacity
  t.integer :user_id, :null => false //这个是限制constraint,这里是不能为空;
大多验证一般放在rails model中,这样比较有弹性,在DB层是硬性条件,无法跳过。

  t.timestamps
end

二 SQL standard language (Structured Query Language)

所有关系型数据库都使用SQL的结构化查询语言,来操作database.for example:

1. INSERT INTO events VALUES ("RubyConf", 100);   //插入一条数据到events表

2. SELECT * FROM events;  //拿出所有数据

三 ACID(4个特性)

Transaction:a process of doing business.把一组动作打包一起执行。使用BEGIN;...COMMIT;   可以保证数据存取的正确性;要么一起成功,要么一起失败。

Atomicity: 一个transaction就是一个原子。

Consistency:一致性,保证transaction前后数据库的完整性没有被破坏。

Isolation:隔离性:数据库允许多个并发的transaction同时进行,互不干扰。

Durability持久性:数据的修改是永久的。
 这4个特性,让关系型数据库在多人连线操作数据库的时候,保证数据的?。


时间: 2024-10-03 16:59:04

SQL 基础学习: 和深度学习资料的相关文章

对比学习:《深度学习之Pytorch》《PyTorch深度学习实战》+代码

PyTorch是一个基于Python的深度学习平台,该平台简单易用上手快,从计算机视觉.自然语言处理再到强化学习,PyTorch的功能强大,支持PyTorch的工具包有用于自然语言处理的Allen NLP,用于概率图模型的Pyro,扩展了PyTorch的功能.通过学习<深度学习入门之PyTorch>,可以从机器学习和深度学习的基础理论入手,从零开始学习 PyTorch,了解 PyTorch 基础,以及如何用 PyTorch 框架搭建模型.学到机器学习中的线性回归和 Logistic 回归.深度

机器学习的两次浪潮——浅层学习和深度学习

浅层学习是机器学习的第一次浪潮 20世纪80年代末期,用于人工神经网络的反向传播算法(也叫Back Propagation算法或者BP算法)的发明,给机器学习带来了希望,掀起了基于统计模型的机器学习热潮.这个热潮一直持续到今天.人们发现,利用BP算法可以让一个人工神经网络模型从大量训练样本中学习统计规律,从而对未知事件做预测.这种基于统计的机器学习方法比起过去基于人工规则的系统,在很多方面显出优越性.这个时候的人工神经网络,虽也被称作多层感知机(Multi-layer Perceptron),但

sql Python R sas 深度学习体会

SQL:个人认为sql是数据工作的必备语言,sql语言在常用的数据库中基本都是通用的,学会了使用一种即可. 转载请注明出处:http://www.cnblogs.com/SSSR/p/7016660.html SAS: sas是学习统计的一门好语言,为什么这么说呢?因为现在的统计书籍很多都是用sas实现的,从原理到实现有很多本书可以阅读,还有sas公司这样子优秀的公司进行支持. 但是 但是 但是 sas真心不好学习,他的编程思想与其他语言有那么点不同,很多人把宏比作其他语言的函数,但我认为万万不

深度学习(001)-深度学习简介

一,简介: 1.机器学习分支,人工神经网络(Artificial Neural Network, ANN)为基础 二,与机器学习区别: 1.机器学习人工进行特征抽取 深度学习自动进行特征抽取 2.机器学习,数据少,相对效果不好 深度学习,数据多,相对效果更好 三,人工神经网络: 1.(Artificial Neural Network, ANN) 模仿生物神经网络(中枢 大脑)的结构和功能的数学模型 用于对函数惊醒估计或者近似 更好的解决问题 四,神经元: 1.神经网络中的基础,相互连接,组成神

Teaching Machines to Understand Us 让机器理解我们 之三 自然语言学习及深度学习的信仰

Language learning 自然语言学习 Facebook's New York office is a three-minute stroll up Broadway from LeCun's office at NYU, on two floors of a building constructed as a department store in the early 20th century. Workers are packed more densely into the ope

学习《深度学习实践:计算机视觉》PDF+缪鹏

<深度学习实践:计算机视觉>主要介绍了深度学习在计算机视觉方面的应用及工程实践,以Python 3为 开发语言,并结合当前主流的深度学习框架进行实例展示.主要内容包括:OpenCV入门.深度学习框架 介绍.图像分类.目标检测与识别.图像分割.图像搜索以及图像生成等,涉及到的深度学习框架包括 PyTorch.TensorFlow.Keras.Chainer.MXNet等.通过本书,读者能够了解深度学习在计算机视觉各个 方向的应用以及新进展. <深度学习实践:计算机视觉>主要关注计算机

关于机器学习和深度学习的资料

声明:转来的,原文出处:http://blog.csdn.net/achaoluo007/article/details/43564321 编者按:本文收集了百来篇关于机器学习和深度学习的资料,含各种文档,视频,源码等.而且原文也会不定期的更新,望看到文章的朋友能够学到更多. <Brief History of Machine Learning> 介绍:这是一篇介绍机器学习历史的文章,介绍很全面,从感知机.神经网络.决策树.SVM.Adaboost 到随机森林.Deep Learning. &

机器学习和深度学习学习资料

比较全面的收集了机器学习的介绍文章,从感知机.神经网络.决策树.SVM.Adaboost到随机森林.Deep Learning. <机器学习经典论文/survey合集>介绍:看题目你已经知道了是什么内容,没错.里面有很多经典的机器学习论文值得仔细与反复的阅读. <Brief History of Machine Learning>25介绍:这是一篇介绍机器学习历史的文章,介绍很全面,从感知机.神经网络.决策树.SVM.Adaboost到随机森林.Deep Learning. <

机器学习(Machine Learning)&amp;深度学习(Deep Learning)资料

机器学习(Machine Learning)&深度学习(Deep Learning)资料 <Brief History of Machine Learning> 介绍:这是一篇介绍机器学习历史的文章,介绍很全面,从感知机.神经网络.决策树.SVM.Adaboost到随机森林.Deep Learning. <Deep Learning in Neural Networks: An Overview> 介绍:这是瑞士人工智能实验室Jurgen Schmidhuber写的最新版本

【转】自学成才秘籍!机器学习&amp;深度学习经典资料汇总

小编都深深的震惊了,到底是谁那么好整理了那么多干货性的书籍.小编对此人表示崇高的敬意,小编不是文章的生产者,只是文章的搬运工. <Brief History of Machine Learning> 介绍:这是一篇介绍机器学习历史的文章,介绍很全面,从感知机.神经网络.决策树.SVM.Adaboost到随机森林.Deep Learning. <Deep Learning in Neural Networks: An Overview> 介绍:这是瑞士人工智能实验室Jurgen Sc