104學習精靈

網站建置

網站建置
關注
邀請朋友
邀請朋友

Line

Facebook

複製連結

取消
關於教室
關注人數 5 人
104人力銀行從職缺中挑選出常見技能所成立的官方教室,提供大家進行共學互動。
學習主持人
持續分享知識,
有機會成為官方教室主持人
教室標籤
關於教室
關注人數 5 人
104人力銀行從職缺中挑選出常見技能所成立的官方教室,提供大家進行共學互動。
學習主持人
持續分享知識,
有機會成為官方教室主持人
教室標籤
Hi~ 歡迎分享學習資源,有學習問題可匿名向Giver發問!
我要分享
我要提問

網站建置 學習推薦

全部
影片
文章
選書精靈

小編

2021/10/15

新手開發動態網頁程式Java X JSP X SQL
書名:動態網頁程式開發精粹: Java+JSP+SQL Server 2017
作者:余顯強
這本書結合了Java和Jsp的基礎,包括物件導向基礎、程式語言觀念、程式撰寫的技巧、網站建置的步驟、網頁內容相關的規則等,特別強調物件導向程式運作的原理,透過範例的實際練習,一步一步掌握網站互動程式開發與運作的技巧,入門進階一氣呵成。
另外也包含SQL Server 2017版本的安裝、操作、建置與移轉的詳細操作,循序配套的JSP資料處理程式解說,包括目錄檔案存取、資料庫內容管理、AJAX即時內容回應,以及符合多數網站所需的檢索功能範例。
目錄
單元一 物件導向– Java 程式語言
第一章 簡介
第二章 JDK 安裝與程式初步
第三章 基本語法
第四章 流程控制
第五章 陣列與字串
第六章 例外的處理
第七章 常用類別
第八章 類別與物件
第九章 繼承
第十章 多型
單元二 動態網站開發– JSP 網站互動程式
第十一章 網站開發簡介
第十二章 JSP 元素分類
第十三章 HTML 簡介與JSP 跨網頁資料傳遞
第十四章 JSP 隱含物件
第十五章 檔案存取
單元三 網站資料庫應用實務
第十六章 網站資料庫應用程式開發– 初級篇
第十七章 網站資料庫應用程式開發– 進階篇
第十八章 AJAX
附錄A JDK 安裝說明
附錄B SQL Server 2017 安裝與設定
附錄C SQL Server 2017 管理工具與資料庫建置
附錄D DOS 常用指令說明
1 0 1047 0

熱門精選

104學習精靈

產品

08/12 16:54

AI 職場英文實戰力:突破英文瓶頸,無痕變高手!
\ 購課再送100點LINE POINTS /
厭倦了學了10年英文,卻仍無法流利溝通?
害怕在職場上用英文表現不佳,錯失良機?
這堂課程專為你設計,讓你輕鬆駕馭AI工具,瞬間展現流利英文!
⭐ 用中文操控AI,瞬間生成專業英文
⭐ 即學即用,快速提升溝通能力
⭐ 自信應對各種職場情境
⭐ 突破瓶頸,提升職場競爭力
立即加入我們,讓英文不再是你的障礙,而成為你職場的強大後盾!
2 1 30064 1
104學習精靈精選課程
看更多課程
想提升職場競爭力?專業技能課程看起來👇
12615 3

推薦給你

知識貓星球

喵星人

5小時前

探索性數據分析(EDA)是什麼?幫助產品經理深入分析,一篇文章看懂
探索性數據分析(EDA)是產品經理在進行深入分析或建模前,用來快速了解數據的一種方法。簡單來說,它幫助你了解數據的基本特徵、發現異常和缺失值等,以下將詳細介紹:
1. 了解數據的基本特徵:透過統計數據(如平均值、最大值、最小值)快速掌握數據的大概狀況。
2. 可視化數據:使用圖表(如直方圖、散點圖、箱形圖等)來查看數據的分佈、變量間的關係和潛在趨勢。
3. 發現異常和缺失值:檢查數據中是否有異常點或遺漏的數據,以確保數據的準確性。
4. 變量之間的關聯性:檢查數據中的不同變量是否相關,為後續的決策提供依據。
EDA 的目的是通過簡單的分析快速理解數據,為後續的深度分析和決策打好基礎。
要運用探索性數據分析(EDA)來幫助做出產品決策,以下是簡單的步驟指南:
1. 定義問題與目標
先明確你要解決的問題。例如,你可能想提升某個功能的用戶轉換率或找出導致用戶流失的原因。
2. 收集數據
從數據來源(如 Google Analytics、產品日誌、用戶反饋等)中收集與目標相關的數據,這可以包括用戶行為數據、產品使用數據、營銷數據等。
3. 進行基本數據檢查
- 數據總覽:查看數據有多少行、多少列,是否有缺失值。
- 統計摘要:快速檢查數據的平均值、最小值、最大值等,來了解數據的整體分佈。
4. 使用圖表進行可視化
利用簡單的圖表來快速了解數據:
- 直方圖:查看用戶行為的分佈(例如使用某個功能的頻率)。
- 散點圖:找出變量之間的關係(例如用戶使用時長與轉換率的關係)。
- 箱形圖:檢查是否有異常值,這些異常值可能會影響分析結果。
5. 檢查數據中的模式與趨勢
- 發現趨勢:例如,通過分析用戶的使用行為,發現某個功能在特定時間段更受歡迎。
- 群體分析:將用戶按不同特徵(如地區、設備、年齡)分群,看看各群體是否存在行為差異。
6. 處理異常值與缺失值
- 對於缺失數據,可以選擇補充或移除它們。
- 對於異常值,決定是否要排除,還是進一步分析其原因。
7. 根據發現制定行動計劃
根據 EDA 的結果,得出有價值的結論,然後制定具體的行動方案。例如,發現某些功能的使用頻率較低,可能需要優化或重新設計。
8. 持續監控與迭代
在產品上做出改變後,繼續收集數據,重複進行 EDA,以確認改進是否有效。
通過這些步驟,EDA 幫助你快速理解數據中的關鍵資訊,支持數據驅動的產品優化和決策。
0 0 92 0
你可能感興趣的教室