测试开发入门与实战,搭建你的第一个自动化测试框架 编程/设计 编程开发 目前各大互联网公司亟需具备开发能力的测试工程师。单纯的功能测试人员,找工作变得越来越难,甚至有些公司已经停止招聘只会功能测试的人员了。毫不留情的说,如果你还专注在功能测试,基本上得告别软件测试生涯了。课程目录[4604] 开篇词 为什么大厂面试必考操作系统?.md
编程高手必学的内存知识 学好内存,掌握系统开发诀窍 编程/设计 编程开发 一条通往系统级程序员的学习路径全面深入拆解计算机内存系统吊打面试官的 N 个小技巧从内存贯穿全局,全面提升底层硬实力课程介绍作为程序员,我们每天都在跟计算机内存系统打交道。无论你是做移动端、服务端,还是全栈开发,难免遇到些复杂问题,诸如:
百战程序员-AI算法工程师就业班价值18980元 编程/设计 编程开发 ├──1–人工智能基础-快速入门| ├──1–人工智能就业、薪资、各行业应用| └──2–机器学习和深度学习、有监督和无监督├──10–机器学习与大数据-Kaggle竞赛实战| ├──1–药店销量预测案例
Windows应急响应和安全加固 编程/设计 编程开发 Windows应急响应和安全加固,是信息安全应急响应领域里一门极其重要的专业技术,是围绕Microsoft Windows各个版本的操作系统开展快速、紧急、专业响应,开展调查取证和安全加固防范的专业过程。课程目标通过本课程的学习,可以熟练掌握、分析各种主流信息安全突发事件发生的原因、过程,快速定位事件,避免不正确的和可能是灾难性的动作或忽略了关键步骤的情况发生,掌握 Windows 应急响应过程使用的命令、参数、方法、工具等,提升综合应对突发信息安全事件的能力。
Webpack5入门与实战 前端开发必备教程 编程/设计 编程开发 Webpack5入门与实战,前端开发必备技能-9章完结无秘资源简介:课程目录{1}–第1章课程简介{2}–第2章走进前端构建{3}–第3章学会webpack基础用法,一次搞懂webpack的构建流{4}–第4章了解webpack打包原理,对构建的理解更上一层楼
Unity休闲手机游戏开发|M_Studio语言汇编 编程/设计 编程开发 Unity休闲手机游戏开发|M_Studio资源简介:课程目录课程资料.zip1-【宣导片】从0开始做游戏!.mp42-配置开发环境.mp43-导入整理素材.mp44-项目规划与方法.mp4
Unity麦田物语模拟经营游戏开发教程 编程/设计 编程开发 素材.zip01.展示.mp402创建项目.mp403.导入素材.mp404.创建 Player.mp405.实现 Player 基本移动.mp406.创建基本地图结构.mp407.地图绘制方法和技巧.mp4
TypeScript从入门到精通,晋级TypeScript高手 编程/设计 编程开发 200+技术点,22场景应用,Vue3源码TS用法剖析,一体化深度实战TypeScript文件目录课件typescriptfull-master.zip{1}–第1章课程介绍[1.1]–1-1导学.mp4
Trent-决胜校招100题硬件面试题 编程/设计 编程开发 运放相关放大电路.ms14slyw038c.pdftlv170.pdfTLV170 – autosave 22-05-19 10_34.TSCTLV170 – autosave 22-05-19 10_29.TSC
ThinkPHP6实战独立开发电商系统 编程/设计 编程开发 ThinkPHP是一款开源、简单快捷和面向对象的轻量级PHP开发框架,是为了敏捷WEB应用开发和简化企业应用开发而诞生的。ThinkPHP6基于精简核心和统一用法两大原则在5的基础上对底层架构做了进一步的优化改进,并更加规范化。本课程以开发一个真实企业级电商网站项目为基线,以TP6官网手册为标准,把TP6框架理论知识详细贯穿到整个项目实战开发中,让学员通过这个项目实战开发课程,既可以系统学习TP6框架知识,又可以学习如何使用TP6框架开发一个真实企业级电商网站项目。
Redis 源码剖析与实战 深入源码底层实现,轻松通关 Redis 面试 编程/设计 编程开发 从源码角度理解 Redis 系统设计思路经典 C 语言的开发技巧掌握计算机系统设计思想Redis 高频面试题目解析课程介绍说实话,平常我们在基于 Redis 做应用开发的时候,可能只是把它作为一个缓存系统或是数据库来存取数据,并不会接触到源码层面的东西。
PyTorch深度学习开发医学影像端到端判别 编程/设计 编程开发 PyTorch是一个深度学习框架,它提供了各种工具和功能来构建、训练和部署深度学习模型。相比其他深度学习框架,例如TensorFlow,PyTorch更加易于使用和灵活。在PyTorch中,我们可以使用张量(tensor)对象来存储和操作数据。这些张量对象非常类似于NumPy数组,但是PyTorch的张量支持GPU加速和自动求导功能,这使得我们可以更快地进行运算和优化模型。