匈牙利命名法，骆驼命名法，帕斯卡命名法，C#命名规范 一、匈牙利(Hungarian)命名法： 广泛应用于象Microsoft Windows这样的环境中。Windows 编程中用到的变量(还包括宏

21 日微软在印度班加罗尔市举办编程马拉松大赛“Windows AppFest ”顺利创造新的世界吉尼斯纪录，这项世界记录是“同一地点，最多人参与的软件开发马拉松”，共有 2567 名开发者不停的编程 18

微软最新发布了一款 Windows 主题《奥斯汀植物园》，包含 18 张精美壁纸，适用于 Windows 7 和 Windows 8/8.1。 在美国德克萨斯州奥斯汀市的中心附近的一个园艺绿洲 Zilker

51 年历史的标志性建筑。虽然这项活动听起来似乎显得庄严肃穆，但是平井一夫却在现场带头吹起了萨克斯，演奏着曲调欢快的乐曲。 该建筑被拆除后将会重新规划，建造银座索尼园区，新建筑将是一个对外开放的音乐会及其他活动场所。

华盛顿大学的研究者从大量的网络图片中，重建了一些名人（如汤姆·汉克斯）的脸部3D模型。这些模型可以发表真实演员从未说过的演讲，在未来或许能从家庭或历史照片中构建出交互式的人物数字模型。 汤姆·汉克斯近年来饰演了许多角色，从年轻人到

搜狗发布“宙斯盾”：突破 12306 最新限制 9 月 13 日消息，针对整点抢票限制被攻破之后，昨日 8 点开始新一轮 12306 的“强制踢出用户，或进入白屏”的限制让抢票软件大战再次升级，目前搜狗率先宣布，已解决

苹果电脑全球研发者大会) 大会上，也是史蒂夫·乔布斯重返苹果没多久的时候，他举行了一个开放式问答的环节（详见视频）。这是一个了不起的举措，展现了乔布斯在即兴演讲方面的天赋。更重要的是，乔布斯清晰的解释了他的理念和策略，正

我不断的听到各种关于“软件危机”的警言，以及关于软件开发缺少过程规范的批评。我做编程工作超过15年，我认为这些言论基本上都是错的：我确信我能在很短的时间里用如今的开发工具复制出15年前一个不错的程序员开发出的东西。

小米公司管理层 4 月 29 日消息，《福布斯》网站日前发布了一篇名为《苹果得当心了，小米正进军国际市场》（Apple, Be Afraid: China's Xiaomi Going Globa

德州大学奥斯丁分校的研究人员利用廉价小型的传感器研制出 厘米级精度的定位系统 。 这项研究获得了三星的资助，研究人员正与三星合作将这一功能带给智能手机用户。智能手机所用的 GPS 精度有数米的误差，为

年度图灵奖得主：英国计算机科学家、万维网（World Wide Web）的发明者、MIT 和牛津大学教授蒂姆 · 伯纳斯 - 李爵士。 伯纳斯 - 李爵士发明了万维网、第一个浏览器，允许万维网扩展的基础协议和算法，其中万维网被认

称苹果此举是“反竞争”，而后者回应称“Flash 会带来性能和安全上的噩梦”。2010 年的时候，乔布斯特地向大家详细介绍了“为什么苹果的移动产品线（包括 iPhone、iPod 和 iPad）不支持 Flash”。

20 年的苹果产品和科技进步，从 1976 年至 1999 年。 这里将展出一台曾经在乔布斯办公室使用的 Apple 1 原型机。博物馆的执行主管 Lāth Carlson 将这台电脑描述为“

以决策树的形式构建了一个分类器。为了做到这一点，需要给定 C4.5 表达内容已分类的数据集合。 等下，什么是分类器呢？ 分类器是进行数据挖掘的一个工具，它处理大量需要进行分类的数据，并尝试预测新数据所属的类别。

有重要的应用，在不同的学科中也有引申出更为具体的定义，是各个领域十分重要的参量。熵由鲁道夫.克劳修斯提出，并应用在热力学中。后来在，克劳德.埃尔伍德.香农 第一次将熵的概念引入到信息论中来。 (4)

一旦你开始深入探索机器学习，你会遇到以下几个问题： 1. 有监督与无监督的学习 2. 分类 3. 马尔科夫模型、贝叶斯网络等 Mahout和Hadoop Apache Mahout项目的目的是建立一个可扩展的机器学习库。

图所示（图引自本文的参考资料之一：探索推荐引擎内部的秘密）： 2、推荐引擎的分类 推荐引擎根据不同依据如下分类： 根据其是不是为不同的用户推荐不同的数据，分为基于大众行为（网站管理员自行推荐，

NET是一个概率图模型中(graphical models)用于运行贝叶斯推理机(Bayesian inference)的框架。如果对概率图模型或者贝叶斯推理的意义不了解，你可以参考一下相关资源文件，在Resources

机器学习算法简述 按照不同的分类标准，可以把机器学习的算法做不同的分类。 2.1 从机器学习问题角度分类 我们先从机器学习问题本身分类的角度来看，我们可以分成下列类型的算法： 监督学习算法 机器

与对象值之间的一种映射关系。树中每个节点表示某个对象，每个分叉路径则代表的某个可能的属性值，而每个叶结点则对应具有上述属性值的子对象。决策树仅有单一输出；若需要多个输出，可以建立独立的决策树以处理不同输出。