其他

12.1 規劃採購管理 規劃採購管理是記錄項目採購決策、明確採購方法、識別潛在賣方的過程。 本過程的主要作用是，確定是否需要外部支援，如果需要，則還要決定採購什麼、如何採購、採購多少，以及何時採購。 12.2 實施採購 實施採購是擷取賣方應答、選擇賣方並授予合約的過程。 本過程的主要作用是，通過達成協議，使內部和外部干係人的期望協調一致。 12.3 控制採購 控制採購是管理採購關係、監督合約執行情況，並根據需要實施變更和採取矯正措施的過程。

轉載自：http://www.cnblogs.com/hnrainll/archive/2012/02/27/2369331.html 統的硬碟空間不夠用了，需要增加新的硬碟擴容。將硬碟分區、格式化、自動掛載配置的整個過程記下來，備忘。 運行環境 | Enviroment Ubuntu 10.10 一、硬碟分區 | Hard disk add new partition 1、顯示硬碟及所屬分區情況。在終端視窗中輸入如下命令： sudo fdisk -lu

最近在寫一個項目的後台時，前端請求指定資源後，返回JSON格式的資料，突然發現在返回的位元組數過大時，最後的message中文資料亂碼了，對於同一個介面的請求：當資料小時不會亂碼，當資料量大了中文就亂碼了。 @RequestMapping(value = "record/{id}",method = RequestMethod.GET) public void showUserRecord(@PathVariable String id,

淺談ROC曲線 機器學習中很常見的一個大類就是二元分類器。很多二元分類器會產生一個機率預測值，而非僅僅是0-1預測值。我們可以使用某個臨界點（例如0.5），以劃分哪些預測為1，哪些預測為0。得到二元預測值後，可以構建一個混淆矩陣來評價二元分類器的預測效果。所有的訓練資料都會落入這個矩陣中，而對角線上的數字代表了預測正確的數目，即True Positive+True

雅虎股票介面 本文由ArthurXF傾情奉獻,轉載請保留作者說明.另本人受聘上海非凡進修學院授IT技術 課,招生簡章在此:http://www.bizeway.net/read.php/285.htm,有興趣學習的,可以跟我聯絡或者電話諮 詢.QQ:29011218,TEL:021-51097877. 　　最近股市甚火，受聘開發一股票網站，股票的資料 從哪裡來成了一個大問題，股票軟體一般都是加密處理的，還有一些web services也是要帳號的，免費的方法只有一種了，抓別人網站的資料。

VS2013中 openCV 的配置 下面開始介紹如何配置，我用的系統是win8.1 64位系統，vs用的是vs3013 ultimate，先到官網下載opencv 我用的的版本是最新的版本3.0 ALPHA，下載下來直接執行即可，實際上就是解壓，我解壓到D:\Program Files檔案夾下。 配置環境變數，右擊我的電腦選擇屬性，在左側選擇進階系統設定，會彈出系統屬性對話方塊，

原理什麼的百度一搜一堆，看不明白，先學會用這個工具吧。 　　ARIMA：全稱為自迴歸積分滑動平均模型(Autoregressive Integrated Moving Average Model,簡記ARIMA)，是由博克思(Box)和詹金斯(Jenkins)於70年代初提出一著名時間序列預測方法 ，所以又稱為box-jenkins模型、博克思-詹金斯法。其中ARIMA（p，d，q）稱為差分自迴歸移動平均模型，AR是自迴歸， p為自迴歸項；

Dijkstra演算法 又稱迪傑斯特拉演算法，是一個經典的最短路徑演算法，主要特點是以起始點為中心向外層層擴充，直到擴充到終點為止，使用了廣度優先搜尋解決賦權有向圖的單源最短路徑問題，演算法最終得到一個最短路徑樹。時間複雜度為O(N^2) 執行動畫： 執行個體： 抽象步驟： 1.將起點A放入集合中，A點的權值為0,因為A->A=0。 2.與起點A相連的所有點的權值設定為A->點的距離，串連不到的設定為無窮。並且找出其中最小權值的B放入集合中（

ggplot2–實操（圖例的修改：以頻數散佈圖為例） ggplot2 直接實現 畫圖代碼: 資料為兩列，第二列為因子型。 > head(plotdat) SOC SOC過低警示1 0 normal2 2 error3 0 normal4 1 error5 0 normal###大小和高度都代表頻率###g <- g + geom_point(aes(x=plotdat[,1],

自動駕駛被業界視為下一代車輛技術發展的最大挑戰，目前各家車廠無不針對自動駕駛情境發展對應的技術，而這些技術包含了 環境感測能力、核心計算能力以及汽車如何與環境互動並自主進行判斷的網路通訊及決策能力。 圖丨特斯拉的自動駕駛 而為了很好的去解決汽車判斷複雜交通環境的計算力需求，晶片方案的選擇對廠商來說至關重要。目前支援到 L2 計算處理的 ADAS 方案雖然不少，但是 L3

用的是virtualbox安裝的ubuntu 14.04server版的開發環境，宿主機是OS系統。 目標 用devstack裝成openstack的開發環境 python的vim開發環境 虛擬機器和宿主系統網路能遠程登入且能訪問外網（能從宿主機ssh遠程登入到虛擬機器） 先安裝一個能互連的環境 1，選擇虛擬機器記憶體要大於4G 硬碟30G（openstack環境需要）

區塊鏈分類賬簿技術似乎對藝術產業非常有用，它可以協助解決知識領域產權登記的主要問題。該系統很容易來協助難以偽造的藝術作品取得財產權，也許這就是為什麼2015年藝術項目豐富應用了比特幣和區塊鏈。 Masha McConaghy博士是柏林藝術產業中新興公司Ascribe的創始人和管理人之一。在CoinTelegraph和她交談中，她列出了2015年運用區塊鏈技術最有趣的藝術項目，稱“2016將是有趣的一年”。她補充說：

神經網路與支援向量機的區別 在統計學習理論中發展起來的支援向量機（Support Vector Machines,

引言 ggplot2包的作圖品質毋庸置疑，但是其作圖文法對新手來說還是有點難度，ggplot2：資料分析與圖形藝術這本書也介紹了ggplot2包的基本哲學思想和操作，個人感覺例子還不夠豐富，所以對該包的用法還是停留在半瓶醋的水平。某天，突然發現一本ggplot2包的例子書，大喜，英文版名字為 R Graphics Cookbook，中文版叫做 R資料視覺效果手冊，鑒於高昂的價格，我決定硬著頭皮翻下英文版，順便做點筆記，供自己或者各位朋友參考，英文水平不高，如有錯誤，莫怪。 基本操作

1、獲得頁面的源碼 driver.get('http://www.baidu.com')source_code = driver.getPageSource() 如果想將獲得的網頁源碼儲存成檔案的話： f = open(r'c:\html_source_code.html','w')f.write(source_code.encode('utf-8'))f.close() 2、獲得頁面元素的某個屬性（title,target ....）

轉自：https://zhuanlan.zhihu.com/p/22522986 首先，建議大家看看這篇文章，寫的很不錯：自動化測試: 真的是銀彈。這裡就說一下結論：自動化測試不是銀彈，自動化測試（包括UI自動化測試）是為了減少重複工作，增加測試的覆蓋率，而不是為了替代手工測試，更不是為了減少測試人員（當然，有可能導致減少部分手工測試人員）…… 這裡就不展開討論這個了，我們來說UI自動化測試。 在上一篇文章非UI自動化測試和UI自動化測試 - UI自動化測試 -

轉自：http://www.open-open.com/lib/view/open1402625607337.html 選擇合適的WebDrvier WebDriver是一個介面，它有幾種實現，分別是HtmlUnitDrvier、FirefoxDriver、InternetExplorerDriver、ChromeDriver、OperaDriver,除了 InternetExplorerDriver只能在Windows平台運行，其他WebDriver均能跨平台。

　每天不少新人加入我們大聖眾包資料交流群，一部分是統計、電腦相關專業的學生，想進一步瞭解資料分析發展，為以後工作準備；而一部分是初步涉入資料的朋友（包括轉行）前來諮詢，沒有相關專業知識可不可以學習資料分析等等問題。下面我們大聖眾包小編帶大家看看不同知識背景的朋友該如何選擇資料方向呢。該如何學習資料分析呢。 　　認為資料相關的職業，大致有3種職業路線，分別是市場調研方向、資料分析/挖掘方向、資料工程師方向，這3條路線，分別有對應的公司和技能樹。 　　市場調研方向

轉自：https://zhuanlan.zhihu.com/p/22174362 先抄一段話，來說什麼是自動化測試：Test automation In  software testing ,  test automation  is the use of special  software  (separate from the software being tested) to control the execution

1.長條圖 # simple histogram hist(mtcars$mpg) #未指定任何選項時的預設圖形 # colored histogram with specified number of bins hist(mtcars$mpg, breaks=12, #分組個數 col="red", #紅色