书籍《大象–thinking in UML》

《大象-Thinking in UML（第二版）》以uml为载体，将面向对象的分析设计思想巧妙地融入建模过程中，通过贯穿全书的实例将软件系统开发过程中方方面面的知识有机地结合在一起，用生动的语言和精彩的事例将复杂枯燥的软件过程讲解得津津有味。

它分为四个部分。第一部分讲述面向对象分析的一些基本概念，及学习建模需要了解的一些基本知识。第二部分对uml的基础概念重新组织和归纳整理，进行扩展和讨论，引申出针对uml的这些概念在面向对象方法中应用方法的思考。第三部分以一个实例贯穿全篇，阐述如何使用uml从头到尾地实施一个项目。第四部分针对在现实中经常遇到并且较难掌握的问题进行深入的探讨，升华在前几篇学习到的知识。

《大象-Thinking in UML（第二版）》可供正在学习编程、软件工程等知识，准备将来从事it行业的读者、正努力向设计师或系统分析员转变的技术人员及期望对软件分析设计更上一层楼的设计人员学习和提高之用。

书籍《大象–thinking in UML》相关推荐

《Outlier Analysis》书籍
前言:最近异常检测似乎越来越火了... 作者介绍:Charu Aggarwal(这是他的个人主页:http://www.charuaggarwal.net).他是 IBM 的托马斯沃森研究中心的一位 ...
读书笔记《Outlier Analysis》第九章时间序列和多维流的异常检测
1.引言 1.1 基本介绍时间和流数据的异常检测场景出现在许多应用中,如传感器数据.机械故障诊断.医疗数据.网络入侵数据.新闻文本帖子和财务帖子等.在这些问题中,时间连续性假设在识别异常值方面起着至 ...
读书笔记《Outlier Analysis》第八章分类、文本和混合属性中的异常检测
1.引言前面讨论的都是数值数据,然而,在现实生活生成中,还有很多其他类型的数据,如性别.种族.邮编.人员和实体的名称.IP地址等.通常处理这些数据更有挑战,因为难以以均匀和一致的方式来处理各种类型的 ...
读书笔记《Outlier Analysis》第四章基于邻近的异常检测
1.基本介绍基于邻近的技术是指,当一个数据点的位置或邻近是稀疏时,则将其定义为一个离群点. 1.1 基于邻近的技术最常见的三种离群点分析的定义: 基于聚类: 使用非任何聚类中数据点的成员.其与其他聚 ...
读书笔记《Outlier Analysis》第二章异常检测的概率和统计模型
第二章异常检测的概率和统计模型 1.为什么要讲概率和统计模型? 之所以一开始就讲概率和统计模型,是因为最早的异常检测方法时根植于概率和统计模型的. 这些方法是在计算机技术出现和普及之前就提出的,因此 ...
数据预处理+数据清理
1.概述实际的数据库极易受噪声.缺失值和不一致数据的侵扰,因为数据库太大,并且多半来自多个异种数据源.低质量的数据将会导致低质量的挖掘结果.有大量的数据预处理技术: - - 数据清理:可以用来清楚数 ...
数据预处理_数据清理
1.概述实际的数据库极易受噪声.缺失值和不一致数据的侵扰,因为数据库太大,并且多半来自多个异种数据源.低质量的数据将会导致低质量的挖掘结果.有大量的数据预处理技术: - - 数据清理:可以用来清楚数 ...
《异常检测——从经典算法到深度学习》9 异常检测资料汇总（持续更新抛砖引玉）
<异常检测--从经典算法到深度学习> 0 概论 1 基于隔离森林的异常检测算法 2 基于LOF的异常检测算法 3 基于One-Class SVM的异常检测算法 4 基于高斯概率密度异常检测 ...
kaggle信用卡欺诈看异常检测算法——无监督的方法包括：基于统计的技术，如BACON *离群检测多变量异常值检测基于聚类的技术；监督方法：神经网络 SVM 逻辑回归...
使用google翻译自:https://software.seek.intel.com/dealing-with-outliers 数据分析中的一项具有挑战性但非常重要的任务是处理异常值.我们通常将异 ...
【数据挖掘】数据挖掘简介 ( 6 个常用功能 | 数据挖掘结果判断 | 数据挖掘学习框架 | 数据挖掘分类 )
文章目录 I . 数据挖掘功能 II . 数据挖掘结果判断 III . 数据挖掘学习框架 IV . 数据挖掘分类 I . 数据挖掘功能 1 . 概念描述 ( Concept Descript ...

书籍《大象–thinking in UML》

书籍《大象–thinking in UML》相关推荐

最新文章

热门文章