2026
56 posts
- A Little Attack Game
- My Paper-reading methodology
- 工作流反思（二）
- 26Spring总结
- 我的音乐歌单
- openclaw部署
- 骑士比赛
- CS146S Week1: prompt engineering
- CS146S week2&4-IDE(Copilot)&&Claude Code
- CS146S week3-Modern Agent&&MCP介绍
- CS146S week6-9 ai安全，审查，开发与维护
- 我的网站建立过程
- LLM4Rec:Deep Learning era
- James Harden:From Clippers to Cavaliers
- 大二上总结
- CS224N: Between Transformer and GPT4
- CS224W(1): ML图特征设计
- CS229：优化理论（一）——数据预处理与基本模型优化方法
- CS229:优化理论（二）——决策树与模型优化，数据量估计
- CS229: Ps0解读——矩阵求导与重要矩阵性质
- CS229：Ps1解读——GLM模型及其变种的编程实现与相关性质证明
- CS229: Ps2解读——正则化深入探讨以及SVM实现
- CS229：Ps3解读——NN,自然梯度下降与有趣的案例
- CS229：Ps4解读——强化学习探讨与实现
- CS224W 食用指南
- CS229 强化学习：MDP以及其优化方法
- CS229:监督学习(一）—— 线性回归，梯度下降与逻辑回归的原理
- CS229：监督学习(二）—— GLM视角下的模型
- CS229:监督学习（三）—— 简单粗暴的生成式学习算法(1):GDA
- CS229:监督学习(三)——简单粗暴的生成式学习算法(2):Naive Bayes classifier
- CS229：监督学习（四）——SVM（支持向量机）
- CS229:监督学习（五）——神经网络训练与架构
- CS229: 无监督学习（一）：从聚类到成分分析——K-means、PCA 与 ICA
- CS229:Python基础用法及常见库(numpy,matplotlib)常见函数总结
- CS230 辅助工具：git使用
- CS230 C1:深度神经网络回顾以及代码实现
- CS230 C2W1&2:模型训练常见trick——正则化方法&梯度调整方法
- CS230 C2W3：优化算法探究
- CS230 C3W1:卷积神经网络简介
- CS230 C4W2: 经典卷积神经网络设计及CNN常见应用
- CS230 C4W3&4:CNN应用——人脸识别，物体探测与风格转换以及背后的原理
- CS230 C5:RNN以及其应用简介绍
- CS230Pre: MiniConda&Python环境配置
- Stanford CS230食用指南
- CS229:无监督学习（二）——概率学习：高斯混合算法，EM算法以及Factor analysis
- MIT 6.S184:扩散模型简介
- 大一暑假ai学习计划
- 大一暑假ai学习总结
- 工作流反思(1）
- 计算机网络(1): 计算机网络简介&应用层介绍(chap1,2)
- 计算机网络(2): 运输层简介(UDP&&TCP)
- 计算系统概论2：LC-3基本指令以及数据传输
- 离散数学(3):基于欧拉定理研究群
- 离散数学(4):环域&理想初步
- 运筹学 Part 1——线性规划问题求解方法
- 运筹学 Part 2——非线性规划基础