① 可靠性服务 : “数据链路层” 在 物理层 提供的服务的基础上 , 提供可靠性服务 ;
任何对时间要求苛刻的需求都是我们的敌人，在必要的时候我们只有增加硬件成本来消灭它；比如你要8个数码管来显示，我们在没有相关的硬件支持的时候必须用MCU以动态扫描的方式来使其工作良好；而动态扫描将或多或少的阻止了MCU处理其他的事情。在MCU负担很重的场合，我会选择选用一个类似max8279外围ic来解决这个困扰；然而庆幸的是，有着许多不是对时间要求苛刻的事情：例如键盘的扫描，人们敲击键盘的速率是有限的，我们无需实时扫描着键盘，甚至可以每隔几十ms才去扫描一下；然而这个几十ms的间隔，我们的MCU还可以完成许多的事情；
在轮询访问中，用户不能随机地发送信息，而要通过一个集中控制的监控站，以循环方式轮询每个结点，再决定信道的分配。当某结点使用信道时，其他结点都不能使用信道。典型的轮询访问介质访问控制协议是令牌传递协议，它主要用在令牌环局域网中。
在数据分析中，数据的选择和运算是非常重要的步骤。数据选择和运算是数据分析中的基础工作，正确和高效的选择和运算方法对于数据分析结果的准确性和速度至关重要。
在【为什么有了http，还需要websocket，我懂了！】中介绍了web端即时通讯的方式，以及websocket如何进行连接、验证、数据帧的格式，这些都是了解websocket的基础知识。
假如在此刻，您已经将数据全部加载到panda的数据框架中，准备好进行一些探索性分析，但首先，您需要创建一些附加功能。自然地，您将转向apply函数。Apply很好，因为它使在数据的所有行上使用函数变得很容易，你设置好一切，运行你的代码，然后…
读论文有一种原则是：本领域最经典的论文，近5年最热的论文，近1年最新的论文。按照这个原则，本文主要介绍一篇Tensorflow 经典论文 Implementation of Control Flow in TensorFlow。
在上一篇中，我们通过调整PTS可以实现视频的加减速。这只是对同一个视频的调转，本次我们尝试对多个视频进行合并处理。
R的源起 R是S语言的一种实现。S语言是由 AT&T贝尔实验室开发的一种用来进行数据探索、统计分析、作图的解释型语言。最初S语言的实现版本主要是S-PLUS。S-PLUS是一个商业 软件，它基于S语言，并由MathSoft公司的统计科学部进一步完善。后来Auckland大学的Robert Gentleman 和 Ross Ihaka 及其他志愿人员开发了一个R系统。R的使用与S-PLUS有很多类似之处，两个软件有一定的兼容性。 R is free R是用于统计分析、绘图的语言和操作环境。R是属于GNU系统的
R是S语言的一种实现。S语言是由 AT&T贝尔实验室开发的一种用来进行数据探索、统计分析、作图的解释型语言。最初S语言的实现版本主要是S-PLUS。S-PLUS是一个商业 软件，它基于S语言，并由MathSoft公司的统计科学部进一步完善。后来Auckland大学的Robert Gentleman 和 Ross Ihaka 及其他志愿人员开发了一个R系统。R的使用与S-PLUS有很多类似之处，两个软件有一定的兼容性。
看到【名副其实举世无双的个人空间-哔哩哔哩】 的计算机三级网络技术知识点，上面配合视频+讲解，找了好久没有找到视频中的word文档，自己将视频截图识别为文字，作为笔记！
例如：由3比特来编号，窗口总数为8，编号0到7 如果把7号也用了，那么当全部发送0-7号的所有帧的时候，发送方看自己设置的超时的记录表，如果显示超时了，那我们重新发0-7号。接收方无法辨别第一次和第二次的帧
在许多情况下，机器学习模型比传统线性模型更受欢迎，因为它们具有更好的预测性能和处理复杂非线性数据的能力。然而，机器学习模型的一个常见问题是它们缺乏可解释性。例如，集成方法如XGBoost和随机森林将许多个体学习器的结果组合起来生成结果。尽管这通常会带来更好的性能，但它使得难以知道数据集中每个特征对输出的贡献。为了解决这个问题，可解释人工智能（explainable AI, xAI）被提出并越来越受欢迎。xAI领域旨在解释这些不可解释的模型（所谓的黑匣子模型）如何进行预测，实现最佳的预测准确性和可解释性。这样做的动机在于，许多机器学习的真实应用场景不仅需要良好的预测性能，还要解释生成结果的方式。例如，在医疗领域，可能会根据模型做出的决策而失去或挽救生命，因此了解决策的驱动因素非常重要。此外，能够识别重要变量对于识别机制或治疗途径也很有帮助。最受欢迎、最有效的xAI技术之一是SHAP。
解决方案：当数据中存在标记字节时，在标记前添加转义字符（这种方式解决了一部分问题，但同时也带来了一些特殊情况，当数据中包含转义字符时，又必须在转义字符前添加转义字符避免混淆）
最近使用tcpdump的时候突然想到这个问题。因为我之前只存在一些一知半解的认识：比如直接镜像了网卡的包、在数据包进入内核前就获取了。但这些认识真的正确么？针对这个问题，我进行了一番学习探究。
翻译：黄念 校对：王方思 小编和大伙一样正在学习Python，在实际数据操作中，列联表创建、缺失值填充、变量分箱、名义变量重新编码等技术都很实用，如果你对这些感兴趣，请看下文： ◆ ◆ ◆ 引言 Python正迅速成为数据科学家偏爱的语言——这合情合理。它作为一种编程语言提供了更广阔的生态系统和深度的优秀科学计算库。 在科学计算库中，我发现Pandas对数据科学操作最为有用。Pandas，加上Scikit-learn提供了数据科学家所需的几乎全部的工具。本文旨在提供在Python中处理数据的12种方法
使用点对点链路和链路层交换机的交换式局域网已经在(有线)局域网的领域取代了共享式局域网
每个数据科学家都必须掌握的最重要的技能之一是正确研究数据的能力。彻底的探索性数据分析 (EDA， Exploratory Data Analysis) 是必要的，这是为了确保收集数据和执行分析的完整性。
在面向帧的自动重传请求系统中，当待确认帧的数量增加时，有可能超出缓冲存储空间而造成过载。
环形缓冲区(ring buffer)，环形队列(ring queue) 多用于2个线程之间传递数据，是标准的先入先出(FIFO)模型。一般来说，对于多线程共享数据，需要使用mutex来同步，这样共享数据才不至于发生不可预测的修改/读取，然而，mutex的使用也带来了额外的系统开销，ring buffer/queue 的引入，就是为了有效地解决这个问题，因其特殊的结构及算法，可以用于2个线程中共享数据的同步，而且必须遵循1个线程push in，另一线程pull out的原则。
要在一条通信线路上传送数据，除了必须建立一条物理线路（物理层的功能）之外，还必须有一些规程或协议来控制这些数据的传输，以保证被传输数据的正确性。实现这些规程或协议的硬件和软件加上物理线路就构成了“数据链路层”。
控制器局域网（Controller Area Network，CAN），是由德国BOSCH（博世）公司开发，是目前国际上应用最为广泛的现场总线之一。其特点是可拓展性好，可承受大量数据的高速通信，高度稳定可靠，因此常应用于汽车电子领域、工业自动化、医疗设备等高要求环境。
特征工程对于模型的执行非常重要，即使是具有强大功能的简单模型也可以胜过复杂的算法。实际上，特征工程被认为是决定预测模型成功或失败的最重要因素。特征工程真正归结为机器学习中的人为因素。通过人类的直觉和创造力，您对数据的了解程度可以带来不同。
版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/sinat_35512245/article/details/61926504
当今IP网络数据通信的基本就是TCP/IP参考模型，今天就借助PC访问WEB服务器的数据通信来深度理解下TCP/IP参考模型。
选自TowardsDataScience 作者：Vihar Kurama 机器之心编译 参与：刘晓坤、许迪 R 语言是结合了 S 编程语言的计算环境，可用于实现对数据的编程；它有很强大的数值分析工具，对于处理线性代数、微分方程和随机学的问题非常有用。通过一系列内建函数和库，你可以用 R 语言学习数据可视化，特别是它还有很多图形前端。本文将简单介绍 R 语言的编程基础，带你逐步实现第一个可视化案例。 代码地址：https://github.com/aaqil/r-lang-fundamentals R 语言最
“全外连接产生表 A 和表 B 中所有记录的集合，带有来自两侧的匹配记录。如果没有匹配，则缺少的一侧将包含空值。” – [来源](http://blog .codinghorror.com/a-visual-explanation-of-sql-joins/)
capinfos是Wireshark默认配套安装的命令行工具之一，从其命名来看也能顾名思义，主要用于显示抓包文件的信息，如文件格式、数据包数量、时间范围（首尾包）、数据包类型等。
本文为WebSocket协议的第五章，本文翻译的主要内容为WebSocket传输的数据相关内容。
这篇文章是将一文搞懂CAN总线协议帧格式和一文搞懂CAN FD总线协议帧格式两篇文章的整合，方便各位朋友学习和查阅。
在停止等待协议中，源站发送单个帧后必须等待确认，在目的站的回答到达源站之前，源站不能发送其他的数据帧。从滑动窗口机制的角度看，停止等待协议相当于发送窗口和接受窗口的接受窗口大小均为1的滑动窗口协议。
在WebSocket协议中，数据是通过一系列数据帧来进行传输的。为了避免由于网络中介（例如一些拦截代理）或者一些在第10.3节讨论的安全原因，客户端必须在它发送到服务器的所有帧中添加掩码（Mask）（具体细节见5.3节）。（注意：无论WebSocket协议是否使用了TLS，帧都需要添加掩码）。服务端收到没有添加掩码的数据帧以后，必须立即关闭连接。在这种情况下，服务端可以发送一个在7.4.1节定义的状态码为1002（协议错误）的关闭帧。服务端禁止在发送数据帧给客户端时添加掩码。客户端如果收到了一个添加了掩码的帧，必须立即关闭连接。在这种情况下，它可以使用第7.4.1节定义的1002（协议错误）状态码。（这些规则可能会在将来的规范中放开）。
转自：http://blog.sina.com.cn/s/blog_bf97bd7e0102wl2y.html
为了使数据链路层能更好地适应多种局域网标准，802委员会就将局域网的数据链路层拆成两个子层
使用 GNU Radio Companion 驱动 USRP N320 实现 OFDM 自收自发测试。（Ubuntu20.04LTS + GNURadio 3.8 + UHD 3.15）
当以某种方式组合多个序列或数据帧时，在进行任何计算之前，数据的每个维度会首先自动在每个轴上对齐。 轴的这种无声且自动的对齐会给初学者造成极大的困惑，但它为超级用户提供了极大的灵活性。 本章将深入探讨索引对象，然后展示利用其自动对齐功能的各种秘籍。
由于串行线路的速率通常较低（ 19200 b/s或更低），而且通信经常是交互式的（如 Te l n e t和R l o g i n，二者都使用T C P），因此在S L I P线路上有许多小的T C P分组进行交换。为了传送 1个字节的数据需要2 0个字节的I P首部和2 0个字节的T C P首部，总数超过4 0个字节（1 9 . 2节描述了R l o g i n会话过程中，当敲入一个简单命令时这些小报文传输的详细情况）。既然承认这些性能上的缺陷，于是人们提出一个被称作 C S L I P（即压缩S L I P）的新协议，它在RFC 1144[Jacobson 1990a]中被详细描述。C S L I P一般能把上面的4 0个字节压缩到3或5个字节。它能在C S L I P的每一端维持多达1 6个T C P连接，并且知道其中每个连接的首部中的某些字段一般不会发生变化。对于那些发生变化的字段，大多数只是一些小的数字和的改变。这些被压缩的首部大大地缩短了交互响应时间。
因为平时工作是基于串口通信开发，之前群里有人问串口通信怎么搞，正好自己也想总结一下平时开发经验，便准备写几篇关于串口通信的文章。
大家好，欢迎阅读 Python 和 Pandas 数据分析系列教程。 Pandas 是一个 Python 模块，Python 是我们要使用的编程语言。Pandas 模块是一个高性能，高效率，高水平的数据分析库。
计算机网络根据范围可以分为四类：局域网（LAN）、城域网（MAN）、广域网（WAN）、互联网（internet）。其中，局域网与广域网的区别辨析以及本身的概念都非常重要。
CAN-bus发布了ISO11898和ISO11519两个通信标准，此两个标准中差分电平的特性不相同。
Pandas是数据处理和数据分析中最流行的Python库。本文将为大家介绍一些有用的Pandas信息，介绍如何使用Pandas的不同函数进行数据探索和操作。 包括如何导入数据集以及浏览，选择，清理，索引，合并和导出数据等常用操作的函数使用，这是一个很好的快速入门指南，如果你已经学习过pandas，那么这将是一个不错的复习。
TLS 握手成功之后，客户端必须要发送一个“连接前言”（connection preface），用来确认建立 HTTP/2 连接。
Pandas库是Python中最流行的数据操作库。受到R语言的frames启发，它提供了一种通过其data-frame API操作数据的简单方法。下面我们给大家介绍Pandas在Python中的定位。
作者：datumhu，腾讯 IEG 后开开发工程师 在广告系统实践中，精排服务基于 gRPC 协议调用 TF-Serving 在线推理服务。相信很多业务已经使用过 gRPC 相关语言的框架进行服务调用，尤其是基于谷歌云的出海业务的服务调用更绕不开 gRPC，所以很有必要理解 gRPC 的原理。本文通过简要介绍抓包分析一次 gRPC 的调用过程，逐步认识 gRPC。 概述 gRPC 是谷歌推出的一个开源、高性能的 RPC 框架。默认情况下使用 protoBuf 进行序列化和反序列化，并基于 HTTP/2 传输
在本节中，我们将讨论使数据分析成为当今快速发展的技术环境中日益重要的工作领域的趋势。
功能:保证数据正确的顺序,无措和完整 1 链路层概述 数据链路层使用的信道主要有以下两种类型 点对点信道 使用一对一的点对点通信方式 广播信道 使用一对多的广播通信方式，因此过程比较复杂。广播信
在许多情况下，由于其出色的预测性能和处理复杂非线性数据的能力，机器学习模型通常优于传统的线性模型。然而，机器学习模型常见的批评是它们缺乏可解释性。例如，集成方法如XGBoost和随机森林将许多个体学习器的结果结合起来生成它们的结果。尽管这通常导致更好的性能，但它使得很难知道数据集中每个特征对输出的贡献是多少。
我们知道现实中的数据通常是杂乱无章的，需要大量的预处理才能使用。Pandas 是应用最广泛的数据分析和处理库之一，它提供了多种对原始数据进行预处理的方法。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM
