[其它] 颤抖颤动-源码

说明：奎兹勒 :red_question_mark: 我们的目标 在本教程中，我们将回顾有状态和无状态小部件，并学习面向对象编程（OOP）的基本构建模块-类和对象。 您将创造什么 我们将制作一个测验应用程序，以测试您的常识。 作为应用商店中最流行的应用类型之一，您可以创建自己的测验，供其他人欣赏！ 您将学到什么 将您的代码模块化为单独的类。 Dart类和对象。 使用类构造函数。 提取小部件以重构您的代码。 Dart中的私有和公共修饰符。 如何使用Dart列表。 var，const和fina
<weixin_42105570> 上传 | 大小：265kb

[其它] 团队经理-源码

说明：团队经理 一个应用程序，用于管理使用flutter和firebase作为数据库创建的团队成员的详细信息。
<weixin_42097533> 上传 | 大小：83kb

[其它] local-matching-android：将本地化信息发送到后端并在用户附近时接收通知的服务-源码

说明：local-matching-android：将本地化信息发送到后端并在用户附近时接收通知的服务
<weixin_42169971> 上传 | 大小：164kb

[其它] watawata14341.github.io：watawata14341网站-源码

说明：watawata14341.github.io：watawata14341网站
<weixin_42176612> 上传 | 大小：1mb

[其它] AvailableUsernameFinder-WebScraping：此代码检查GitHub上可用的用户名是否包含4个字母-源码

说明：可使用Web Scraping的用户名查找器 该代码将检查GitHub上可用的用户名是否包含4个字母。 包装； fmt 数学/兰德 时间 柯利 安装 在项目文件夹中打开终端。 在您的终端上输入此代码。 git clone https://github.com/metecan/AvailableUsernameFinder-WebScraping.git 然后 您需要安装colly软件包才能进行网络抓取。 在您的终端上输入此代码以安装软件包。 go get -u github.co
<weixin_42100971> 上传 | 大小：2kb

[其它] ajax_app-源码

说明：自述文件 该自述文件通常会记录启动和运行应用程序所需的所有步骤。 您可能要讲的内容： Ruby版本 系统依赖 配置 数据库创建 数据库初始化 如何运行测试套件 服务（作业队列，缓存服务器，搜索引擎等） 部署说明 ...
<weixin_42159267> 上传 | 大小：173kb

[其它] 测试：测试-源码

说明：测试：测试
<weixin_42157188> 上传 | 大小：1kb

[其它] safedata：safedata gem库-具有（枚举）变体的安全（代数）联合数据类型-源码

说明：具有（枚举）变体的安全（代数）联合数据类型 safedata gem /库-具有（枚举）变体的安全（代数）联合数据类型 主页:: 错误:: 宝石:: rdoc :: 用法 Union . new ( :Message , :Quit , :Move , { x : 0 , y : 0 } , :Write , { text : '' } , :ChangeCol
<weixin_42126865> 上传 | 大小：12kb

[其它] Linux基本命令-源码

说明：Linux基本命令
<weixin_42139460> 上传 | 大小：940kb

[其它] 角Kong-源码

说明：基本的 该项目是使用版本10.0.1生成的。 开发服务器 为开发服务器运行ng serve 。 导航到http://localhost:4200/ 。 如果您更改任何源文件，该应用程序将自动重新加载。 代码脚手架 运行ng generate component component-name生成一个新的组件。 您还可以使用ng generate directive|pipe|service|class|guard|interface|enum|module 。 建造 运行ng build来构建项目
<weixin_42135462> 上传 | 大小：150kb

[其它] TaskApplicationAngular-源码

说明：TaskApplicationAngular
<weixin_42100188> 上传 | 大小：60kb

[其它] 零售需求TSA：基于基于kaggle的在线零售发票在线数据集的时间序列分析-源码

说明：零售需求预测 一家英国在线零售商的在线数据集的数据探索和预测。 包含大约12/2009-12/2011期间的发票数据。 数据探索 初始数据分析考虑了每日，每周和每月的销售量，同时还考虑了数据集的VWAP（体积加权平ASP格）。 最后，考虑了基于客户ID，国家/地区和产品类型的潜在影响者。 时间序列分析 每周和每月数据都适合一系列不同的预测模型。 解释12月季节性高峰的SARIMA模型具有最佳拟合和最合乎逻辑的预测：
<weixin_42104947> 上传 | 大小：30mb