电子工程师资料合集2.38G

电子工程师资料合集,多到你下不完: 更多电子工程师资料在闯客网技术论坛 一:元器件基础知识 元器件基础知识大全,关于你想要的元器件资料这里都有:https://bbs.usoftchina.com/thread-206869-1-1.html 光耦资料分享给大家:https://bbs.usoftchina.com/thread-206870-1-1.html 电子元器件手册.目录封装资料大全:https://bbs.usoftchina.com/thread-206871-1-1.html 二

[IT技术资料合集-年薪30w腾讯IT工程师吐血整理,限时免费领取]30个高薪IT人士必备工具 50+技术人必读书籍20+IT业内人士必看网站10份一线互联网技术前景报告60GLinux云计算+python人工智能技术视频500M内部高薪课件PPT和面试秘籍 原文地址:https://blog.51cto.com/10515215/2386235

机器学习和深度学习资料合集 注:机器学习资料篇目一共500条,篇目二开始更新 希望转载的朋友,你可以不用联系我．但是一定要保留原文链接,因为这个项目还在继续也在不定期更新．希望看到文章的朋友能够学到更多．此外:某些资料在中国访问需要梯子. <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

在本周二凌晨召开的苹果年度开发者大会WWDC上,苹果公司推出了全新的编程语言Swift.Swift 基于C和Objective-C,是供iOS和OS X应用编程的全新语言,更加高效.现代.安全,可以提升应用性能,同时降低开发难度. 据称,Swift仍然处于beta测试的阶段,会在iOS 8发布的时一同推出市场,用来取代现有的Objective-C语言.Swift推出之后,苹果公司也不会停止对Objective-C的支持,开发工具会同时支持两种语言. WWDC刚刚结束,在不到24小时的时间内,已经

图像拼接SIFT资料合集 转自 http://blog.csdn.net/stellar0/article/details/8741780 分类: 最近也注意一些图像拼接方面的文章,很多很多,尤其是全景图拼接的,实际上类似佳能相机附加的软件,好多具备全景图拼接,多幅图像自动软件实现拼接,构成(合成)一幅全景图像(风景).Sift算法,我略知一二,无法仔细描述(刚也贴了2个最近的资料).      当就尺度空间(scale space),我想,其在计算机视觉(Computer Vision)\图像

http://www.cnblogs.com/idotest/p/6838583.html 图片略模糊 看得清就好 Web测试, 进行抽离拆分,基本上就如上一些内容. 不管是测什么系统,什么功能,基本都差不多. 唯一区别是,一些特性 & 细节 . 今天, 老徐摘录了一些通用的测试点,根据你的实际情况,删减,即可. 正式开始之前, 说下为什么要整理这个主题. 其实,很不想整理的. 1. 没价值,网上太多,一搜大把. 2. 资料会给大家一些思维定式,有了这份大纲后,很多人会不思进取,以为已经掌握了W

1. 官网 nodejs 2.  How do I get started with Node.js,stackoverflow提问,收集很多有用的站点 3.  node-books,github收集很多node相关书籍,可以clone下来 4.  Nblog,nodejs+express+mongodb实现的博客学习教程,有中文文档 5.  cnode,中文nodejs学习论坛 6. node debug,介绍几种如何调试nodejs方法 7. GitHub最受关注的前端大牛,好几个是Node

这份合集覆盖了所有的JavaScript基本知识,从基本网络编程技巧,如变量.函数和循环语句,到高级一些的专题,如表单验证.DOM操作.客户端对象.脚本程序调试.学习前端的你不容错过! 资料名称 下载地址 Node.js中文手册[PDF]  http://down.51cto.com/data/281195 基于JavaScript的植物大战僵尸版源码  http://down.51cto.com/data/182095 高粒度模块化的前端开发[分享PPT]  http://down.51cto

比較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. 里面有非常多经典的机器学习论文值得细致与重复的阅读. <Brief History of Machine Learning>2 介绍:这是一篇介绍机器学习历史的文章.介绍非常全面.从感知机.神经网络.决策树.SVM.Adaboost到随机森林.Deep Learning.