其他

轉：可轉債的投資價值演算法 以中行轉債為例：     2011年末中國銀行每股淨資產為2.59元，2012年3季度末每股淨資產是2.84元，中國銀行2009年至2011年這三年的ROE均在15%以上，2012年前三季度ROE已達13.43%，那麼全年ROE達到15%應該不成問題，由此推算2012年末其淨資產為2.98元。     目前轉股價是3.

越南時間3月21日上午九點，為期三天的SAP SMB創新峰會在越南的胡志明市舉行，北京奧維奧科技有限公司（以下簡稱奧維奧）受邀參加峰會，接下來為大家分享峰會亮點。   本次峰會聚集了全球頂級的SAP傑出夥伴，在這裡有Edurne Pasaban帶給我們的振奮演講。 著重介紹SAP B1這款解決方案，使我們更加深入的瞭解產品功能。 2017年SAP B1取得的成就和至關重要的數字。

部分內容來自：http://blog.csdn.net/zh98jm/article/details/6104691 先上一張samba的抓包圖： 裡面的資料轉送應該就是SMB/CIFS這兩個協議了。 SMB（Server Message Block）通訊協定是微軟（Microsoft）和英特爾(Intel)在1987年制定的協議，主要是作為Microsoft網路的通訊協議，但是微軟不開放協議。而Microsoft

作者：龍衍 連結：http://www.zhihu.com/question/46485555/answer/101551275 來源：知乎 著作權歸作者所有。商業轉載請聯絡作者獲得授權，非商業轉載請註明出處。 楊強教授指出，搜尋和學習的結合才是人工智慧的發展方向。我們不能完全依靠機器去全部自動化自我學習，機器學習的弊端是自我偏差，目前仍需要人為幹預。未來，遷移學習會是這個問題的解決途徑。遷移學習還能讓人工智慧得以擺脫對大資料的嚴重依賴

全球人工智慧技術大會有感       4月22日，在國家會議中心召開了本年度“全球人工智慧技術大會”有感。     這次會議的規格高，水平高，人氣高。這三“高“，在人工智慧的發展曆史上是少見的。國家科學領導與會致辭，國際人工智慧巨頭做主題報告，人工智慧粉絲捧場。 中國人工智慧學會理事長李德毅院士所做的“人工智慧在奔跑”，很有獨到見解，不忽悠。微軟與英偉達的主題報告絕對國際前沿。

《破壞之王——DDoS攻擊與防範深度剖析》網際空間的發展帶來了機遇，也帶來了威脅，DDoS是其中最具破壞力的攻擊之一。本書從不同角度對DDoS進行了介紹，目的是從被攻擊者的角度解答一些基本問題：誰在攻擊我。攻擊我的目的是什麼。攻擊者怎樣進行攻擊。我該如何保護自己。全書共分7章。第1章講述了DDoS的發展曆史，梳理了探索期、工具化、武器化和普及化的過程。第2章介紹了DDoS攻擊的主要來源—殭屍網路，對於其發展、組建和危害進行了討論，並專門介紹了自願型殭屍網路。第3章講解了DDoS的主要攻擊方法，包

好的程式員從來不是老師教出來的，絕大多數都自己學出來的。 關於去Heima培訓JavaEE還是自己跟著網上找到的Heima視頻自學這個問題， 最近想了很久，也已經基礎班進展到day20了。 學費8900+五個月的衣食住行用，2萬的學費，大致預算在5~6萬，對於我的家庭來說，確實是一筆不小的負擔。

（zz from：http://old.blog.edu.cn/user1/4837/archives/2007/1888987.shtml）     1，國家高技術研究發展計劃資助項目（863計劃）National High Technology Research and Development Program of China (863 Program) 2，國家自然科學基金資助項目National Natural Science

30號的時候本來想寫一篇的，結果寫好後斷網了，只能儲存在自己的電腦日記本上了。 今年沒有五一長假，只有個短短的假期。不過算上五四，也有那麼三天半。一號回家了，早上一出門，發現滿街都是人。還都在車站，各個BUS STOP。我坐的B1，在高沙的車站，走過去一看，都快擠爆了。連續幾輛B1過來都沒法上去。這時候來了輛空車，車站管理員那是在又吼又罵地把人往車上趕：這麼空的都不上，你們還要等什麼啊～～。。。 上了車，擠得完全動不了，連立足之地都懸。後面連續幾個車站都還有人進來，不見人下去。天氣又熱，

       這是我五四最後一個青年節了，公司放了半天假，回來好好休息下，感覺還行，從節日的疲憊中恢複了。       

特徵檢測和匹配是電腦視覺的一個基本問題，點特徵檢測和匹配在映像拼接和自動三維重建方面更是有著廣泛的用途。 點特徵的檢測和匹配一般有兩種方法： 1) 在映像中尋找那些使用局部搜尋方法來精確跟蹤的特徵； 2) 在所有考察的映像中獨立的檢測特徵點，然後再基於它們的局部表現進行匹配； 1) 適用於以相近的視角或者快速連續拍攝的映像序列，2)適用於存在大量的運動或者變化的映像序列。 角點 特徵檢測與匹配是Computer Vision

區塊鏈研究所VIP 最好的區塊鏈研究社群 對數字貨幣的崛起感到新奇的我們，並且想知道其背後的技術——區塊鏈是怎樣實現的。 但是完全搞懂區塊鏈並非易事，我喜歡在實踐中學習，通過寫代碼來學習技術會掌握得更牢固。通過構建一個區塊鏈可以加深對區塊鏈的理解。 準備工作 本文要求讀者對Python有基本的理解，能讀寫基本的Python，並且需要對HTTP請求有基本的瞭解。

NumPy中有一個非常方便的特性：broadcasting。當我們對兩個不同長度的numpy數組作二元計算（如相加，相乘）的時候，broadcasting就在背後默默地工作。本文我們就來介紹下numpy的broadcasting。 什麼是broadcasting 我們通過一個簡單的例子來認識一下broadcasting，考慮下面的代碼 import numpy as np a = np.array([0, 1, 2]) b = np.array([5, 5

介紹 使用python做web開發面臨的一個最大的問題就是效能，在解決C10K問題上顯的有點吃力。有些非同步架構Tornado、Twisted、Gevent 等就是為瞭解決效能問題。這些架構在效能上有些提升，但是也出現了各種古怪的問題難以解決。 在python3.6中，官方的非同步協程庫asyncio正式成為標準。在保留便捷性的同時對效能有了很大的提升,已經出現許多的非同步架構使用asyncio。

前言 前段時間因為課題需要使用了一段時間TensorFlow，感覺這種架構很有意思，除了可以搭建複雜的神經網路，也可以最佳化其他自己需要的計算模型，所以一直想自己學習一下寫一個類似的圖計算架構。前幾天組會開完決定著手實現一個模仿TensorFlow介面的簡陋版本圖計算架構以學習計算圖程式的編寫以及前向傳播和反向傳播的實現。目前實現了前向傳播和反向傳播以及梯度下降最佳化器，並寫了個最佳化線性模型的例子。 代碼放在了GitHub上，取名SimpleFlow, 倉庫連結:

§4 拋物線 1. 拋物線基本參數     如圖所示:    軸：AB 頂點：A 焦點：F 焦點參數：p（過焦點且垂直於軸的弦長之半，即圖中CD之長的一半） 焦點半徑： r（拋物線上一點到焦點的距離，如圖中MF之長） 直徑：直線EMH(平行於拋物線的直線) 準線：直線L(與軸垂直，到頂點A的距離為p/2,到焦點F的距離為P)  

許多人在求職產品崗位時，都會注意到：企業發出的崗位要求中，註明1-3年經驗，薪資也比較誘人。然而自身沒有產品經驗，一找不限經驗的工作，薪資就只有一半了。 這1年的產品經驗，真的有那麼大差距嗎。 其實，在產品經理以上，產品總監以下，還有一個職級是進階產品經理。職場進階並不取決於工作經驗、不取決於時間，而取決於深度思考的能力，以及擷取和建立新認知的能力。 產品經理和進階產品經理的差距在哪裡。 1

作者：xyzh 連結：https://www.zhihu.com/question/26726794/answer/151282052 來源：知乎 著作權歸作者所有。商業轉載請聯絡作者獲得授權，非商業轉載請註明出處。 關於這個問題我今天正好看到了這個文章。講的正是各個演算法的優劣分析，很中肯。 https://zhuanlan.zhihu.com/p/25327755 正好14年的時候有人做過一個實驗[1]

轉自小象學院的文章（http://xxwenda.com/article/584），後續準備逐個實驗一下。當然有不少已經測試過的。 Apache Spark 本身 1.MLlibAMPLabSpark最初誕生於伯克利 AMPLab實驗室，如今依然還是AMPLab所致力的項目，儘管這些不處於Apache Spark Foundation中，但是依然在你日常的github項目中享有相當的地位。ML BaseSpark本身的MLLib位於三層ML

上一講，我們編製了一個簡單的登入對話方塊。而真正的登入對話方塊需要將輸入的使用者名稱和密碼發送出去，進行處理。PyQt通過訊號（signal）和槽(slot)機制實現對象間的通訊。具體方法為：由一個事件（如：單擊控制項）觸發訊號，槽函數接收到訊號便自動執行。 QtDesigner中定義 定義內建訊號槽 圖1 QtDesigner中的訊號槽定義