[其它] responsimple:一个简单，灵活且响应SwiftCSS网格系统-源码

说明：Responsimple v1.0.1 一个简单，灵活且响应SwiftCSS网格系统 什么是？ Responsimple是第一个移动的网格系统，使用100％纯CSS代码编写，具有出色的功能 特征 一个简单的重置灵感来自 保罗·爱尔兰（Paul Irish）的 零箱模型* {保证金：0; 填充：0; } 尼古拉斯·加拉格尔（Nicolas Gallagher）的 基于容器和物品的结构 2种容器类型： 具有页面宽度的容器，请使用.container-full 具有1200px最大宽度的容
<weixin_42118011> 上传 | 大小：12kb

[其它] ExecuteAutomationReportingSystem:该存储库包含ExecuteAutomation报告系统以及ExecuteAutomation Web服务，该服务存储和显示出色的自动化报告-源码

说明：ExecuteAutomation报告系统（初始发布） 该存储库包含ExecuteAutomation报告系统以及ExecuteAutomation Web服务。 ## Descr iption ExecuteAutomation Reporting System（EARS）是用于自动化测试工具和自定义书面框架的单点报告系统，例如： 1. Selenium 2. Visual Studio Coded UI 3. Robotium 4. Appium ExecuteAutomation W
<weixin_42128963> 上传 | 大小：819kb

[其它] RecommenderSystems_Week5-源码

说明：RecommenderSystems_Week5 幻灯片： ： 歌曲数据： ： （下载此csv文件并将其放在放置笔记本的同一文件夹中。）
<weixin_42168265> 上传 | 大小：33kb

[其它] Next-Word-Prediction-with-NLP-and-Deep-Learning:使用LSTM设计单词预测系统-源码

说明：NLP和深度学习的下一个单词预测 使用LSTM设计单词预测系统 查看本文以获取代码的完整细分-https: metamorphosis_clean包含已清理的数据。 Next Word Prediction-1.ipynb包含模型设计和所涉及的训练步骤。 Predictions-1.ipynb是由预测模型组成的笔记本，可用于进行预测
<weixin_42125826> 上传 | 大小：110kb

[其它] InformationSystemsWS1718-源码

说明：研讨会信息系统WS 1718 我们将在此存储库中集中收集代码和教程。 请 创建一个Github账户 分叉存储库（在您的帐户上创建副本） 克隆存储库（在计算机上创建文件的副本） 将所有文件保存在以您的主题命名的文件夹中，例如CNN_introduction。 与BADS中和网络上介绍的Github协作以使用您的版本。 在研讨会结束时，创建拉取请求（Github会问我是否要将您的文件夹合并到研讨会存储库中） 这是大多数开源和许多编码繁重的协作公司项目所使用的过程。
<weixin_42123237> 上传 | 大小：27mb

[其它] food-ordering-and-table-reservation-system-for-restaurants:这是一个用PHP和MYSQL开发的Web应用程序，其唯一目的是使用户能够轻松地从他们最喜欢的餐厅在线下订单，并在需要时进行

说明：food-ordering-and-table-reservation-system-for-restaurants:这是一个用PHP和MYSQL开发的Web应用程序，其唯一目的是使用户能够轻松地从他们最喜欢的餐厅在线下订单，并在需要时进行餐桌预订。 它是针对移动用户而开发的，因此响应速度非常快，为用户提供了与移动应用相同的时尚GUI和功能
<weixin_42099815> 上传 | 大小：5mb

[其它] Recommender-Systems-with-Collaborative-Filtering-and-Deep-Learning-Techniques:实施的基于用户和基于项目的推荐系统以及最新的深度学习技术-源码

说明：带有CF和DL技术的推荐系统 在此存储库中，我涵盖了以下主题- 什么是建议系统？ 为什么我们需要推荐系统？ 协同过滤 协同过滤的类型 基于内存的CF 基于用户的CF 基于项目的CF 基于模型的CF K最近邻居 奇异值分解 非负矩阵分解 使用深度学习进行矩阵分解 嵌入层简介 带点运算的体系结构1 具有串联操作的体系结构2 评估RMSE 参考 您也可以在Kaggle上找到内核- 我已经使用评级数据集来研究各种推荐技术。 由于数据集的大小很小，因此我使用了基本技术，但要使用更大的
<weixin_42160398> 上传 | 大小：1mb

[其它] PySD-Cookbook:用于系统动力学模型强大分析的简单食谱-源码

说明：简单配方，可对系统动力学模型进行强大的分析 詹姆斯·霍顿（James Houghton） 该菜谱旨在作为系统动力学从业人员的资源，他们致力于使用大数据来改善其建模实践。 我力求使每个食谱简短，易于理解并且可以转移，以便可以将脚本复制并适应所需的问题。 每个配方的结构如下： 技术介绍及其与系统动力学的关系 使用该技术所需的成分 演示模型的描述 演示数据说明 有关使用中的特定第三方python库的说明 使用代码示例进行分析所需的步骤 如何使用本食谱 可轻松阅读此链接的链接版本 本食谱中的每个食
<weixin_42176827> 上传 | 大小：22mb

[其它] Recommendation-Systems-源码

说明：推荐系统
<weixin_42121086> 上传 | 大小：19kb

[其它] RecommenderSystems:推荐系统和协同过滤-源码

说明：推荐系统和协同过滤 介绍 推荐系统是数据科学在工业中的重要应用。 它们几乎在任何地方都可以使用。 例如，向亚马逊上的用户推荐商品，在Pandora上的歌曲以及在Netflix上的电影/节目。 推荐系统有两种通用方法： 协作过滤是一种使用客户过去的行为或等级以及其他客户的类似决定向客户推荐产品的方法，以预测哪些商品可能吸引原始客户。 基于内容的筛选通过使用商品的特征向客户推荐产品，以推荐具有类似属性的其他商品。 我将在此博客文章中介绍协作过滤，因为它非常流行，并且能够准确地推荐复杂的项目，而无需了
<weixin_42175516> 上传 | 大小：52kb

[其它] Recommender-Systems-for-Implicit-Feedback-datasets:客户项目元数据增强了矩阵分解-源码

说明：隐式反馈的推荐系统：附带信息增强的协同过滤 问题定义 一个常见的用例是将其他商品从商品目录推荐给用户。 在提出这些建议时，交叉销售/追加销售模型的基础算法必须考虑： 用户购买行为 用户和项目属性 建模框架：将协作过滤与回归结合 在协同过滤（CF）中，该模型直接从用户的购买行为中学习，以推荐其他项目。 它通过分析用户之间的关系以及项目之间的相互依赖性来确定新的用户项目关联，从而做到这一点。 当用户表现出足够的购买行为时，基于CF的方法通常优于基于内容的基于用户可观察特征进行预测的方法[1]。
<weixin_42099530> 上传 | 大小：643kb

[其它] prisma-tools:Prisma工具可帮助您为GraphQL服务器生成CRUD系统-源码

说明：快速开始 Pal.js我是您下一个NodeJS，Prisma，GraphQL，React项目中的朋友 安装工具 要在计算机上安装paljs/cli ，您需要安装以下工具： Git- Node.js- //nodejs.org请注意版本应为> = 12 纱线-Node.js随附的 Node.js程序包管理器。 Prisma-用于Typescr ipt和Node.js的现代数据库访问 安装PalJS CLI 此命令在您的计算机上全局安装PalJS CLI。 yarn global
<weixin_42131890> 上传 | 大小：881kb