这是一个高级的推荐系统的Java开源库，涵盖70多个推荐算法，可以有效的解决等级和排名问题。
LibRec推荐系统是一个典型的机器学习和大数据的应用，它被用来提供个性化的推荐。作为推荐算法的实现，LibRec在模块化、实现和可用性方面做了很多改进。此外，推荐性能进一步增强。
LibRec推荐系统是一个典型的机器学习和大数据的应用，它被用来提供个性化的推荐。作为推荐算法的实现，LibRec在模块化、实现和可用性方面做了很多改进。此外，推荐性能进一步增强。
网络爬虫，即 Web Spider，是一个很形象的名字。目前爬虫开发的语言的主要是 Python，本教程是作者实际开发使用的心得总结，还附加几个小的爬虫案例，帮助读者更好的学习 Python 开发爬虫。
适用人群
适用于爬虫初学者，如果你对高效抓取数据有兴趣，那么本教程将会是你不错的选择。
学习前提
学习本教程前，你需要对 Python 语言有一定的了解。
本教程基于 Python 2.7
适用人群
适用于爬虫初学者，如果你对高效抓取数据有兴趣，那么本教程将会是你不错的选择。
学习前提
学习本教程前，你需要对 Python 语言有一定的了解。
本教程基于 Python 2.7
Apache Maven 是一套软件工程管理和整合工具。基于工程对象模型（POM）的概念，通过一个中央信息管理模块，Maven 能够管理项目的构建、报告和文档。
本教程将教你如何在使用 Java 开发的工程中，或者任何其他编程语言中使用 Maven。
适合人群
本教程主要针对初学者，帮助他们学习 Maven 工具的基本功能。完成本教程的学习后你的 Apache Maven 的专业知识将达到中等水平，随后你可以学习更高级的知识了。
学习前提
我们假定你将使用 Maven 来管理企业级的 Java 项目开发。所以，如果你掌握软件开发、Java SE、Java EE 开发框架和开发流程，对学习本教程会更有帮助。
本教程将教你如何在使用 Java 开发的工程中，或者任何其他编程语言中使用 Maven。
适合人群
本教程主要针对初学者，帮助他们学习 Maven 工具的基本功能。完成本教程的学习后你的 Apache Maven 的专业知识将达到中等水平，随后你可以学习更高级的知识了。
学习前提
我们假定你将使用 Maven 来管理企业级的 Java 项目开发。所以，如果你掌握软件开发、Java SE、Java EE 开发框架和开发流程，对学习本教程会更有帮助。
Spring Security，这是一种基于 Spring AOP 和 Servlet 过滤器的安全框架。它提供全面的安全性解决方案，同时在 Web 请求级和方法调用级处理身份确认和授权。本教程对 Spring Security 的使用进行一个比较全面的简要介绍。
本文基于 Spring Security3.1.6
本文基于 Spring Security3.1.6
你正在阅读的项目可能会比 Android 系统更加深远地影响着世界！
2015年11月9日，Google发布人工智能系统TensorFlow并宣布开源，同日，极客学院组织在线TensorFlow中文文档翻译。
机器学习作为人工智能的一种类型，可以让软件根据大量的数据来对未来的情况进行阐述或预判。如今，领先的科技巨头无不在机器学习下予以极大投入。Facebook、苹果、微软，甚至国内的百度。Google 自然也在其中。「TensorFlow」是 Google 多年以来内部的机器学习系统。如今，Google 正在将此系统成为开源系统，并将此系统的参数公布给业界工程师、学者和拥有大量编程能力的技术人员，这意味着什么呢？
打个不太恰当的比喻，如今 Google 对待 TensorFlow 系统，有点类似于该公司对待旗下移动操作系统 Android。如果更多的数据科学家开始使用 Google 的系统来从事机器学习方面的研究，那么这将有利于 Google 对日益发展的机器学习行业拥有更多的主导权。
为了让国内的技术人员在最短的时间内迅速掌握这一世界领先的 AI 系统，极客学院 Wiki 团队发起对 TensorFlow 官方文档的中文协同翻译，一周之内，全部翻译认领完成，一个月后，全部30章节翻译校对完成，上线极客学院Wiki平台并提供下载。
Google TensorFlow项目负责人Jeff Dean为该中文翻译项目回信称：”看到能够将TensorFlow翻译成中文我非常激动，我们将TensorFlow开源的主要原因之一是为了让全世界的人们能够从机器学习与人工智能中获益，类似这样的协作翻译能够让更多的人更容易地接触到TensorFlow项目，很期待接下来该项目在全球范围内的应用!“
再次衷心感谢每一位为该翻译项目做出贡献的同学，我们会持续关注TensorFlow、AI领域以及其它最新技术的发展、持续维护该协作翻译、持续提供更多更优质的内容，为广大IT学习者们服务！
2015年11月9日，Google发布人工智能系统TensorFlow并宣布开源，同日，极客学院组织在线TensorFlow中文文档翻译。
机器学习作为人工智能的一种类型，可以让软件根据大量的数据来对未来的情况进行阐述或预判。如今，领先的科技巨头无不在机器学习下予以极大投入。Facebook、苹果、微软，甚至国内的百度。Google 自然也在其中。「TensorFlow」是 Google 多年以来内部的机器学习系统。如今，Google 正在将此系统成为开源系统，并将此系统的参数公布给业界工程师、学者和拥有大量编程能力的技术人员，这意味着什么呢？
打个不太恰当的比喻，如今 Google 对待 TensorFlow 系统，有点类似于该公司对待旗下移动操作系统 Android。如果更多的数据科学家开始使用 Google 的系统来从事机器学习方面的研究，那么这将有利于 Google 对日益发展的机器学习行业拥有更多的主导权。
为了让国内的技术人员在最短的时间内迅速掌握这一世界领先的 AI 系统，极客学院 Wiki 团队发起对 TensorFlow 官方文档的中文协同翻译，一周之内，全部翻译认领完成，一个月后，全部30章节翻译校对完成，上线极客学院Wiki平台并提供下载。
Google TensorFlow项目负责人Jeff Dean为该中文翻译项目回信称：”看到能够将TensorFlow翻译成中文我非常激动，我们将TensorFlow开源的主要原因之一是为了让全世界的人们能够从机器学习与人工智能中获益，类似这样的协作翻译能够让更多的人更容易地接触到TensorFlow项目，很期待接下来该项目在全球范围内的应用!“
再次衷心感谢每一位为该翻译项目做出贡献的同学，我们会持续关注TensorFlow、AI领域以及其它最新技术的发展、持续维护该协作翻译、持续提供更多更优质的内容，为广大IT学习者们服务！
作者：Jeff Dean, Sanjay Ghemawat
译者：KevinsBobo
原文：https://rawgit.com/google/leveldb/master/doc/index.html
译者：KevinsBobo
原文：https://rawgit.com/google/leveldb/master/doc/index.html
leveldb是一个写性能十分优秀的存储引擎，是典型的LSM树(Log Structured-Merge Tree)实现。LSM树的核心思想就是放弃部分读的性能，换取最大的写入能力。
这是一本面向初学者的温和且循序渐进的Scheme教程。目标读者是仅有些许编程经验的PC用户。
如果你不满意于其它的教程，那么请尝试本书。我们有很多方法去解释像Scheme程序设计语言这样的抽象主题，这之中最好的方法取决于读者的能力以及素养。（没有对任何人来说都绝对完美的方法。）这也正是尽管已经有很多Scheme语言的教程，我还另写一本的原因所在。
本教程的目的在于给读者在Scheme程序设计上提供足够的知识和能力以便能够阅读最好的计算机科学教科书之一的——《计算机程序的构造和解释》（Structure and Interpreter of Computer Program，SICP）。SICP使用Scheme作为授课语言。
如果你不满意于其它的教程，那么请尝试本书。我们有很多方法去解释像Scheme程序设计语言这样的抽象主题，这之中最好的方法取决于读者的能力以及素养。（没有对任何人来说都绝对完美的方法。）这也正是尽管已经有很多Scheme语言的教程，我还另写一本的原因所在。
本教程的目的在于给读者在Scheme程序设计上提供足够的知识和能力以便能够阅读最好的计算机科学教科书之一的——《计算机程序的构造和解释》（Structure and Interpreter of Computer Program，SICP）。SICP使用Scheme作为授课语言。
软件模式是将模式的一般概念应用于软件开发领域，即软件开发的总体指导思路或参照样板。软件模式并非仅限于设计模式，还包括架构模式、分析模式和过程模式等，实际上，在软件生存期的每一个阶段都存在着一些被认同的模式。
本书使用图形和代码结合的方式来解析设计模式；
每个模式都有相应的对象结构图，同时为了展示对象间的交互细节， 我会用到时序图来介绍其如何运行；（在状态模式中， 还会用到状态图，这种图的使用对于理解状态的转换非常直观）
为了让大家能读懂UML图，在最前面会有一篇文章来介绍UML图形符号；
在系统的学习设计模式之后，我们需要达到3个层次：
能在白纸上画出所有的模式结构和时序图；
能用代码实现；如果模式的代码都没有实现过，是用不出来的；即所谓，看得懂，不会用；
灵活应用到工作中的项目中；
看懂UML类图和时序图
从一个示例开始
类之间的关系
时序图
附录
创建型模式
1. 简单工厂模式( Simple Factory Pattern )
2. 工厂方法模式(Factory Method Pattern)
3. 抽象工厂模式(Abstract Factory)
4. 建造者模式
5. 单例模式
结构型模式
1. 适配器模式
2. 桥接模式
3. 装饰模式
4. 外观模式
5. 享元模式
6. 代理模式
行为型模式
1. 命令模式
2. 中介者模式
3. 观察者模式
4. 状态模式
5. 策略模式
本书使用图形和代码结合的方式来解析设计模式；
每个模式都有相应的对象结构图，同时为了展示对象间的交互细节， 我会用到时序图来介绍其如何运行；（在状态模式中， 还会用到状态图，这种图的使用对于理解状态的转换非常直观）
为了让大家能读懂UML图，在最前面会有一篇文章来介绍UML图形符号；
在系统的学习设计模式之后，我们需要达到3个层次：
能在白纸上画出所有的模式结构和时序图；
能用代码实现；如果模式的代码都没有实现过，是用不出来的；即所谓，看得懂，不会用；
灵活应用到工作中的项目中；
看懂UML类图和时序图
从一个示例开始
类之间的关系
时序图
附录
创建型模式
1. 简单工厂模式( Simple Factory Pattern )
2. 工厂方法模式(Factory Method Pattern)
3. 抽象工厂模式(Abstract Factory)
4. 建造者模式
5. 单例模式
结构型模式
1. 适配器模式
2. 桥接模式
3. 装饰模式
4. 外观模式
5. 享元模式
6. 代理模式
行为型模式
1. 命令模式
2. 中介者模式
3. 观察者模式
4. 状态模式
5. 策略模式
在过去三年半的时间里，AngularJS已经成为世界上数十万程序员的领先开源JavaScript应用程序框架。 AngularJS的“1.x”版本已被广泛使用，并且变得非常受欢迎的复杂应用程序。 新的“Angular 2”也宣布了其最终版本。
ThinkTemplate是一个基于XML的性能卓越的编译型模板引擎，支持两种类型的模板标签，使用了动态编译和缓存技术，而且支持自定义标签库，一直作为ThinkPHP的内置模板引擎，现已经支持独立使用。
ThinkPHP是一个免费开源的，快速、简单的面向对象的轻量级PHP开发框架，是为了敏捷WEB应用开发和简化企业应用开发而诞生的。ThinkPHP从诞生以来一直秉承简洁实用的设计原则，在保持出色的性能和至简代码的同时，更注重易用性。遵循Apache2开源许可协议发布，意味着你可以免费使用ThinkPHP，甚至允许把你基于ThinkPHP开发的应用开源或商业产品发布/销售。
ThinkPHP6.0基于精简核心和统一用法两大原则在5.1的基础上对底层架构做了进一步的优化改进，并更加规范化。由于引入了一些新特性，ThinkPHP6.0运行环境要求PHP7.1+，不支持5.1的无缝升级（官方给出了升级指导用于项目的升级参考）。
采用PHP7强类型（严格模式）
支持更多的PSR规范
多应用支持
ORM组件独立
改进的中间件机制
更强大和易用的查询
全新的事件系统
支持容器invoke回调
模板引擎组件独立
内部功能中间件化
SESSION机制改进
缓存及日志支持多通道
引入Filesystem组件
对Swoole以及协程支持改进
对IDE更加友好
统一和精简大量用法
版权申明
发布本资料须遵守开放出版许可协议 1.0 或者更新版本。
未经版权所有者明确授权，禁止发行本文档及其被实质上修改的版本。
未经版权所有者事先授权，禁止将此作品及其衍生作品以标准（纸质）书籍形式发行。
如果有兴趣再发行或再版本手册的全部或部分内容，不论修改过与否，或者有任何问题，请联系版权所有者 thinkphp@qq.com。
对ThinkPHP有任何疑问或者建议，请进入官方讨论区 [ http://www.thinkphp.cn/topic ] 发布相关讨论。
有关ThinkPHP项目及本文档的最新资料，请及时访问ThinkPHP项目主站 http://www.thinkphp.cn。
ThinkPHP6.0基于精简核心和统一用法两大原则在5.1的基础上对底层架构做了进一步的优化改进，并更加规范化。由于引入了一些新特性，ThinkPHP6.0运行环境要求PHP7.1+，不支持5.1的无缝升级（官方给出了升级指导用于项目的升级参考）。
采用PHP7强类型（严格模式）
支持更多的PSR规范
多应用支持
ORM组件独立
改进的中间件机制
更强大和易用的查询
全新的事件系统
支持容器invoke回调
模板引擎组件独立
内部功能中间件化
SESSION机制改进
缓存及日志支持多通道
引入Filesystem组件
对Swoole以及协程支持改进
对IDE更加友好
统一和精简大量用法
版权申明
发布本资料须遵守开放出版许可协议 1.0 或者更新版本。
未经版权所有者明确授权，禁止发行本文档及其被实质上修改的版本。
未经版权所有者事先授权，禁止将此作品及其衍生作品以标准（纸质）书籍形式发行。
如果有兴趣再发行或再版本手册的全部或部分内容，不论修改过与否，或者有任何问题，请联系版权所有者 thinkphp@qq.com。
对ThinkPHP有任何疑问或者建议，请进入官方讨论区 [ http://www.thinkphp.cn/topic ] 发布相关讨论。
有关ThinkPHP项目及本文档的最新资料，请及时访问ThinkPHP项目主站 http://www.thinkphp.cn。