▍1. mnist_CNN 深度学习小实例
利用mnist数据集做深度学习小实例
Python密度聚类 最近在Science上的一篇基于密度的聚类算法《Clustering by fast search and find of density peaks》引起了大家的关注(在我的博文“论文中的机器学习算法——基于密度峰值的聚类算法”中也进行了中文的描述)。于是我就想了解下基于密度的聚类算法,熟悉下基于密度的聚类算法与基于距离的聚类算法,如K-Means算法之间的区别。 基于密度的聚类算法主要的目标是寻找被低密度区域分离的高密度区域。与基于距离的聚类算法不同的是,基于距离的聚类算法的聚类结果是球状的簇,而基于密度的聚类算法可以发现任意形状的聚类,这对于带有噪音点的数据起着重要的作用。(The main goal of the density based clustering algorithm is to find high density regions separated by low density regions. Different from distance based clustering algorithm, the clustering results based on distance clustering algorithm are spherical clusters, and density based clustering algorithm can detect clustering of arbitrary shapes, which plays an important role in data with noisy points.)
可爱的Python电子书,高清原创共享发福利了(Lovely Python eBook, share knowledge)
Python黑帽子:黑客与渗透测试编程之道.pdf 《Python 黑帽子:黑客与渗透测试编程之道》是畅销书《Python 灰帽子—黑客与逆向工程师的Python 编程之道》的姊妹篇,那本书一面市便占据计算机安全类书籍的头把交椅。《Python 黑帽子:黑客与渗透测试编程之道》由Immunity 公司的高级安全研究员Justin Seitz 精心撰写。作者根据自己在安全界,特别是渗透测试领域的几十年经验,向读者介绍了Python 如何被用在黑客和渗透测试的各个领域,从基本的网络扫描到数据包捕获,从Web爬虫到编写Burp 扩展工具,从编写木马到权限提升等。作者在《Python 黑帽子:黑客与渗透测试编程之道》中的很多实例都非常具有创新和启发意义,如HTTP 数据中的图片检测、基于GitHub命令进行控制的模块化木马、浏览器的中间人攻击技术、利用COM 组件自动化技术窃取数据、通过进程监视和代码插入实现权限提升、通过向虚拟机内存快照中插入shellcode 实现木马驻留和权限提升等。通过对这些技术的学习,读者不仅能掌握各种Python 库的应用和编程技术,还能拓宽视野,培养和锻炼自己的黑客思维。读者在阅读《Python 黑帽子:黑客与渗透测试编程之道》时也完全感觉不到其他一些技术书籍常见的枯燥和乏味。
利用Python技术搭建一个简易网页实例,附有整个项目的完整资料。(Use Python technology to build a simple web page example, with complete information of the whole project.)
模糊控制示例程序,以小费问题为例。采用scikit lib,有详细注释,适合初学者。(Solving the tipping problem by fuzzy control system.)
使用python语言编程实现生成voronoi的二维图像(Using python programming language to generate two-dimensional images of Voronoi)
python机器学习从零开始的入门书籍,其中有很不错的例子可以学习(a good python machine learning book, it must be helpful for you to learn machine learning technology.)
python 核心编程的pdf,需要的下载吧(Core programming of python)