美国剑桥公司最新版本ChemOffice Ultra 2004 是世界上优秀的桌面化学软件，集强大的应用功能于一身, 为您提供了优秀的化学辅助系统,使您的研究工作达到一个新的高度。ChemOffice Ultra 2004 包括 ChemDraw Ultra 、Chem3D Ultra 、 ChemFinder Ultra 等一系列完整的软件。可以将化合物名称直接转为结构图，省去绘图的麻烦；也可以对已知结构的化合物命名，给出正确的化合物名称。 目前最新的是2005版的，不过我没使用过，大家可以找一找。 ...

简介:  目录:  导言第1章 破碎性与整体性附录：东西方洞察整体性的概述第2章 流模式——关于语言与思想的实验2.1 引言2.2 对我们语言的探究2.3 语言流模式的形式2.4 流模式中的真理与事实2.5 流模式及其对于我们总世界观的蕴涵第3章 视为过程的实在与知识3.1 引言3.2 思想与智力3.3 事物与思想3.4 思想与非思想3.5 视为过程的知识域第4章 量子理论中的隐变量4.1 量子理论的主要特征4.2 量子理论对决定论的限制4.3 论量子理论的非决定论解释4.4 把量子力学的非决定论解释作为不可约无规律性的有利论据4.5 玻尔对爱因斯坦—罗森—波多尔斯基佯谬的解决——一切物质过程的不可分性4.6 量子理论的隐变量初步解释4.7 对我们的量子理论的隐变量初步解释的批评4.8 建立更详细的隐变量理论的步骤4.9 量子涨落的处理4.10 海森伯不确定性原理4.11 量子过程的不可分性4.12 作用量子化的说明4.13 探索亚量子层次的实验的讨论4.14 结论第5章 量子理论是物理学中新序的一种征兆——从物理学史看新序发展5.1 引言5.2 什么是序？5.3 度5.4 从序和度发展而来的结构5.5 经典物理学中的序、度和结构5.6 相对论5.7 量子理论第6章 量子理论是物理学中新序的一种征兆——物理学定律中的隐缠序和显析序6.1 引言6.2 未分割的整体——透镜与全息6.3 隐缠序与显析序6.4 全运动及其诸侧面6.5 全运动的规律附录：物理学定律中的隐缠序与显析序第7章 卷展中的宇宙与意识7.1 引言7.2 物理学中的机械与隐缠序的对比概述7.3 隐缠序和物质的一般结构7.4 作为多维隐缠序的一种指示的量子理论7.5 宇宙论与隐缠序7.6 隐缠序、生命和总体必然性力7.7 意识与隐缠序7.8 物质、意识及其共同基础注释 内容介绍：作为当代卓越的量子物理学家与最为活跃的科学思想家，玻姆在《整体性与隐缠序：卷展中的宇宙与意识》中发展了一种量子理论，把存在作为一个未破缺的整体（包括物质与精神）来处理。作者从理论的科学背景出发，进而质疑语言在破碎性的哲学思维中所起的作用，并提出我们关于宇宙与实在的观念本身是这个未破缺整体中的一个发展着的部分。他引入了隐缠序的观念，即，任何相对独立要素的内容，都包含着一切要素（即存在总体）的总和，犹如一张折迭纸的接触点可以包含着纸展开时所展示的总图像的实质一样。隐缠序可以对量子理论所隐含的物质新属性，对意识的能动性以及意识与物质的关系，给出一致性的说明。内容截图： ...

简介:  目录:  序第1章 恍然大悟第2章 数第3章 组合学第4章 概率第5章 几何第6章 地理第7章 游戏第8章 算法第9章 更多的游戏第10章 障碍第11章 难题第12章 未解决的谜题结束语内容介绍：《最迷人的数学趣题：一个数学名家精彩的趣题珍集》作者彼得·温可勒是著名的数学家和数学迷题大师，他收集了数十年精彩的数学迷题，汇编成《最迷人的数学趣题：一个数学名家精彩的趣题珍集》，这些迷题极富挑战性，充满着奇趣、美妙和惊讶，而且通俗易懂。作者简介：彼得·温克勒，贝尔实验透亮工艺部基础数学研究的一位高级指导，目前在新泽西州普林斯顿高等研究院进修，他是125篇数学研究论文的作者，并在计算机、密码、全息照相、光通讯网络与海上航行等领域拥有一打以上的专利。　　在某些娱乐圈子里他以桥牌游戏的密码方法发明者而名噪一时，然而在大多西方国家里，这种密码技巧目前被视为非法。内容截图： ...

名称：记录云南作者：佚名播音：佚名音频：4更新：记录云南再探茶马古道进度：已完结《记录云南》有声读物内容简介：本书 ...

名称：寰宇地理作者：佚名播音：佚名音频：15更新：寰宇地理：终极蝮蛇5.mp3进度：已完结《寰宇地理》有声读物内容简介：《寰宇地理》即国家地理频道·中国大陆(原名《神奇的地球》，于2007年7月16日起全球同步更名)，是由享誉全球的美国国家地理频道精心制作的一档高品质、高定位的优秀节目。《寰宇地理》是由国家地理频道制作的一档优秀纪录片精粹集锦，每周七天，每天一小时，节目编排每日不同。栏目内容包罗万象，涵盖最新科学与尖端科技、历史与人文、焦点事件调查、野生动物、世界旅游、本土化制作、系列节目主题周、国家地理特别节目等不同领域，令各个阶层人士推崇备至!...

简介:  目录:  第一辑 HEY，什么是互联网文案……1传播链条变了：想读——互动——二次传播……3●别让人看出来你在做广告……11大多数文案都是无用的：占据用户心中*有利的位置……14●当红酒闻起来是立体的……20别在几秒钟里自顾自狂欢……23●用户买的不是床而是睡眠……29传递痛点不自嗨……30“三观”契合才是壁垒……33●手工笔记本如何表达独特的质地感……38●呈现这个世界的美好，而不是恶……40滚蛋吧，犯错误的文案……42●当别人都向左时，让你的文案向右……48第二辑 钻进用户的脑子做调研……51用户思维是什么鬼……53●产品介绍先挑起隐秘诉求……59●说出用户心里那句话……62文案和用户建立交情……64●这个世界少一个恬淡的姑娘，诠释*初的美好……73●三只松鼠怎么服侍用户……76给文案加个“钩子” ……79●与其让人阅读，不如让人想象……84一切为虚荣而生……89●有了钱之后，你还需要什么……95第三辑 说人话，说人话，还是说人话：高大上又接地气……99“新时代的精神”们=废话……101●让人看懂74.17。这个数字……107到了农村，千万别装……109●挑内裤的世界观……113连傻子都能看懂……115●随性，自然，接地气……119●“削掉”丈母娘的水果削皮器……126第四辑 从标题到文字……131打开“好奇心缺口” ：标题的写法……133●10种标题写法……143别浪费任何一个字……145●我们之间就一个字……152只有0.1秒拿下他……160●简单直接，电报般的文案……165抓住利益契合点，琢磨100遍…… 168●沟通的*短路径……172微信文案修炼……176●不做“内容搬运工” ……181第五辑 讲一个用户想听的故事……185打开故事，欢迎人驻……186●6个场景传达人情味……194切中情感母题……196●NB鞋在安静地讲故事……203怎么写才有诱惑力……205●为了看海报，大老远去这家餐饮老店……210让故事像病毒一样疯传……216●正经地讲一个不正经的故事……223第六辑 滚蛋吧，那些干巴巴的东西……229不是优秀短篇小说的段子不是好文案……231●料理店的鸡都为理想上路了，你在干吗……242幽默解除戒心……244●九份工作拯救地球……254●旅舍怎么推销自己……261消费自己，娱乐他人……263●老店的自黑精神……272认真，你就输了……277●这四类很转的人不用微信……282?第七辑 在文字中找到强大的附着力……285每个时代都有它的“病” ……287●全民“调戏”凡客……294如果一瓶椰汁会说话：品牌“人格化” ……297●让我们大胆地谈谈性，你懂的……302信息如何不失真……305●植入高识别度的关键字……310别把文案写成文案……311●谷歌问纽约……318第八辑 *好的文案互动就是调情……321懂你，就是善意……323●产生深刻的沉浸感……330●注入情怀……331情感附加值……335●聊聊天，该有的情谊都在其中……341●游戏文案：别人看到肚腩，我看到内涵……342画面会说话……345●无字文案……352把产品放到使用场景里……354●看到文字之外的世界……359●林与堂怎么卖地产……362 内容介绍：互联网时代，广告无处不在，社会化媒体、移动互联网技术的飞速发展，使得广告形式和营销形式越来越多样化，连接成本的降低，传播渠道的个人化，也使得互联网产品天然地携带了媒体属性和传播属性，从产品到内容，再到社群、传播渠道，从一个平台到另一个平台的“跨界”，文案能够施展的空间越来越大。 本书从互联网文案写作为题材，结合新媒体时代的精彩案例，阐释分享、个性化、接地气的文案创作技巧，内容涉及标题、产品关键词、故事写作、长文案撰写、广告心理学、传播路径等。以自由化的写作风格，新文案创作的魅力。传统媒体或许终将消亡，但作为表达和传播的载体，文案不会死去。内容截图：备注：本资源转载于“资享书社”网易博客，仅用于个人学习和交流分享，请勿用于商业用途。版权归作者所有，请支持正版!更多书籍可到百度搜索“资享书社”，查找自己喜欢的资源进行下载。 ...

简介:  内容介绍：科学杂志一次发布吧，毕竟2016过完了，文件我传的是压缩包，所有52期矢量的PDF版本均包括了。科学杂志是什么，大家可以百度，我就不介绍了。另外有朋友说我发的资源很好，但是没法下载。每个资源介绍下方，大家可以找下我专门发布的分流链接，电驴我也不总是开。内容截图： ...

第01集.高级人工智能绪论（一）.flv 32.4MB 第02集.高级人工智能绪论（二）.flv 30.7MB 第03集.高级人工智能绪论（三）.flv 30.1MB 第04集.高级人工智能绪论（四）.flv 34.9MB 第05集.高级人工智能绪论（五）.flv 31.8MB 第06集.高级人工智能绪论（六）.flv 35.1MB 第07集.高级人工智能绪论（七）.flv 32.8MB 第08集.人工智能逻辑（一）.flv 37.4MB 第09集.人工智能逻辑（二）.flv 40MB 第10集.人工智能逻辑（三）.flv 34.8MB 第11集.人工智能逻辑（四）.flv 34.5MB 第12集.人工智能逻辑（五）.flv 35.4MB 第13集.人工智能逻辑（六）.flv 38.7MB 第14集.约束推理（一）.flv 41.1MB 第15集.约束推理（二）.flv 49.5MB 第16集.约束推理（三）.flv 40.6MB 第17集.约束推理（四）.flv 39.5MB 第18集.定性推理（三）.flv 32MB 第19集.定性推理（四）.flv 26.5MB 第20集.范例推理（一）.flv 40.5MB 第21集.范例推理（二）.flv 32.6MB 第22集.范例推理（三）.flv 35.6MB 第23集.范例推理（四）.flv 36.2MB 第24集.概率推理（一）.flv 31.1MB 第25集.概率推理（二）.flv 31.4MB 第26集.概率推理（三）.flv 29.9MB 第27集.概率推理（四）.flv 35.6MB 第28集.概率推理（五）.flv 33MB 第29集.概率推理（六）.flv 37MB 第30集.归纳学习（一）.flv 31MB 第31集.归纳学习（二）.flv 30.6MB 第32集.归纳学习（三）.flv 33.1MB 第33集.归纳学习（四）.flv 32.3MB 第34集.归纳学习（五）.flv 40.1MB 第35集.归纳学习（六）.flv 34.8MB 第36集.支持向量机（一）.flv 34MB 第37集.支持向量机（二）.flv 34.7MB 第38集.支持向量机（三）.flv 36.1MB 第39集.支持向量机（四）.flv 36.7MB 第40集.支持向量机（五）.flv 42.6MB 第41集.知识发现（一）.flv 37.1MB 第42集.知识发现（二）.flv 35.8MB 第43集.知识发现（三）.flv 39.1MB 第44集.知识发现（四）.flv 38.1MB 第45集.知识发现（五）.flv 34.1MB 第46集.分布智能（一）.flv 31.8MB 第47集.分布智能（二）.flv 31.3MB 第48集.分布智能（三）.flv 30.7MB 第49集.分布智能（四）.flv 32.1MB 第50集.分布智能（五）.flv 28.7MB 第51集.分布智能（六）.flv 30.2MB 第52集.分布智能（七）.flv 29.5MB 第53集.解释学习（一）.flv 31.9MB 第54集.解释学习（二）.flv 32.3MB 第55集.解释学习（三）.flv 31.7MB 第56集.解释学习（四）.flv 33.7MB 第57集.解释学习（五）.flv 38.8MB 第58集.强化学习（一）.flv 29.5MB 第59集.强化学习（二）.flv 31.8MB 第60集.强化学习（三）.flv 32.6MB 第61集.强化学习（四）.flv 39.4MB 第62集.强化学习（五）.flv 30.8MB 第63集.强化学习（六）.flv 33MB 第64集.粗糙集（一）.flv 39.7MB 第65集.粗糙集（二）.flv 37.1MB ...

简介： 01.Practical Machine Learning Tutorial with Python Intro p.1.mp402.Regression Intro - Practical Machine Learning Tutorial with Python p.2-JcI5Vnw0b2c.mp403.Regression Features and Labels - Practical Machine Learning Tutorial with Python p.3-lN5jesocJjk.mp404.Regression Training and Testing - Practical Machine Learning Tutorial with Python p.4-r4mwkS2T9aI.mp405.Regression forecasting and predicting - Practical Machine Learning Tutorial with Python p.5-QLVMqwpOLPk.mp406.Pickling and Scaling - Practical Machine Learning Tutorial with Python p.6-za5s7RB_VLw.mp407.Regression How it Works - Practical Machine Learning Tutorial with Python p.7-V59bYfIomVk.mp408.How to program the Best Fit Slope - Practical Machine Learning Tutorial with Python p.8-SvmueyhSkgQ.mp409.How to program the Best Fit Line - Practical Machine Learning Tutorial with Python p.9-KLGfMGsgP34.mp410.R Squared Theory - Practical Machine Learning Tutorial with Python p.10--fgYp74SNtk.mp411.Programming R Squared - Practical Machine Learning Tutorial with Python p.11-QUyAFokOmow.mp412.Testing Assumptions - Practical Machine Learning Tutorial with Python p.12-Kpxwl2u-Wgk.mp413.Classification w_ K Nearest Neighbors Intro - Practical Machine Learning Tutorial with Python p.13-44jq6ano5n0.mp414.K Nearest Neighbors Application - Practical Machine Learning Tutorial with Python p.14-1i0zu9jHN6U.mp415.Euclidean Distance - Practical Machine Learning Tutorial with Python p.15-hl3bQySs8sM.mp416.Creating Our K Nearest Neighbors Algorithm - Practical Machine Learning with Python p.16-n3RqsMz3-0A.mp417.Writing our own K Nearest Neighbors in Code - Practical Machine Learning Tutorial with Python p.17-GWHG3cS2PKc.mp418.Applying our K Nearest Neighbors Algorithm - Practical Machine Learning Tutorial with Python p.18-3XPhmnf96s0.mp419.Final thoughts on K Nearest Neighbors - Practical Machine Learning Tutorial with Python p.19-r_D5TTV9-2c.mp420.Support Vector Machine Intro and Application - Practical Machine Learning Tutorial with Python p.20.mp4Machine Learning with Python-subtitle.zip ...

第1~4次课，机器学习中的基础：微积分(函数与极限、导数与微分、不定积分与定积分)、概率论与数理统计(期望方差、大数定律、二项分布、中心极限定理、正态分布)矩阵(正交矩阵、协方差矩阵、SVD)最优化(凸函数、凸优化、对偶问题)极大似然估计、最小二乘、线性回归、logistic回归第5次课，牛顿、拟牛顿、梯度下降、随机梯度下降(SGD)第6次课，熵、最大熵模型MaxEnt、改进的迭代尺度法IIS第7次课，聚类(k-means、层次聚类、谱聚类等)第8~12次课，分类K近邻、决策树、随机森林(random decision forests)、15分钟实践(随机森林运用)Adaboost(包括公式推导、加法模型、指数损失函数的理解)朴素贝叶斯、与贝叶斯网络(Bayesian Network)支持向量机(最大间隔分类、拉格朗日乘值、对偶问题、损失函数、最优化理论、SMO)、半小时实践(libsvm的简单运用)EM、混合高斯模型第13次课，主题模型(概率潜语义分析PLSA、隐含狄利克雷分布LDA)、15分钟实践(文档主题的提取)第14~15次课，标注马尔科夫链、隐马尔可夫模型HMM(Hidden Markov Model)采样第16次课，马尔可夫随机场(Markov Random Field)、条件随机场CRF等等第17次课，SVD、主成分分析PCA、因子分析、独立成分分析ICA第18次课，卷积神经网络(CNN)、深度学习浅析第19次课，变分推断方法(Variational Inference)第20次课，知识图谱 课程大纲：人工智能、大数据分析、机器人等领域在近年来日益引人瞩目，而机器学习则是其中一类非常重要的理论和工具。本套资料从零开始介绍简单的Python语法以及如何用Python语言来写机器学习的模型。每一个章节环环相扣，配合代码样例，非常适合希望了解机器学习领域的初学者，甚至没有编程基础的学生。 ...