学习知识就像不周山,永远不会有『周全』的一天,是为活到老,学到老。
版权声明
采用署名(BY)-非商业性(NC)-相同方式共享(SA)协议,请大家维护本就不高的互联网底线。协议外相关事宜可以在 关于我 这个页面中找到我的联系方式,经协商后进行商业性演绎。
何为不周山
小时候看一本神话故事书,说的是共工与颛顼打架,没打赢一怒之下撞断了不周山,这才有了女娲补天。
西北海之外,大荒之隅,有山而不合,名曰不周。
知识是进步的阶梯,在我看来知识也是连接精神和物质的路径。所以便用不周山作为理论系列作品的总集名称。
读薄/读厚 CSAPP
如果说现在满天飞的高大上概念让人眼花缭乱,那么不如就跟着《深入理解计算机系统》(CSAPP)一起去探寻一切的开端。了解了计算机到底是如何工作之后,很多问题其实都迎刃而解了。(已完结)
『读薄』主要是点出书本中的重点概念,『读厚』则是专注于七个实验的思考。
读薄部分
点出书本中的重点概念
- 零 系列概览
- 壹 数据表示 - 不同的数据是如何存储与表示的
- 贰 机器指令与程序优化 - 控制流、过程调用、缓冲区溢出
- 叁 内存与缓存 - 内存层级与缓存机制
- 肆 链接 - 不同的代码如何协同
- 伍 异常控制流 - 不同进程间的切换与沟通
- 陆 系统输入输出 - 怎么把不同的内容发送到不同的地方
- 柒 虚拟内存与动态内存分配 - 现代计算机中内存的奥秘
- 捌 网络编程 - 从最原始套接字彻底理解网络编程
- 玖 并行与同步 - 协同工作中最重要的两个问题
读厚部分
专注于七个实验的思考
- 实验概览
- I Data Lab - 位操作,数据表示
- II Bomb Lab - 汇编,栈帧与 gdb
- III Attack Lab - 漏洞是如何被攻击的
- IV Cache Lab - 实现一个缓存系统来加速计算
- V Shell Lab - 实现一个 shell
- VI Malloc Lab - 实现一个动态内存分配
- VII Proxy Lab - 实现一个多线程带缓存的代理服务器
编程语言
Golang 之旅
主要围绕 Golang 1.X,如果升级到 2,会对应修订调整。Golang 作为我最喜爱的后端编程语言之一,一直没有系统去梳理自己所学,于是接着本系列完成知识梳理,和大家分享。
Python 之旅
主要围绕 Python3,毕竟 Python2 已经不再更新了。Python 作为我最喜爱的后端编程语言之一,一直没有系统去梳理自己所学,于是接着本系列完成知识梳理,和大家分享。
Lua 之旅
课程学习
大数据架构之旅
大数据这个概念已经流行快二十年了,从最初的懵懵懂懂到现在兜兜转转重新入局,很多技术依然让我心潮澎湃。用技术解决现实生活中的问题,可能正是当年写下 Hello World 的最终归宿。
注:本系列有一定门槛,可能需要一些相关基础知识才能完全明白。不过不要担心,我会尽量深入浅出。
机器学习与数据科学之旅
机器学习和数据科学在我看来其实很难完全分开,那么不如就一起学吧,本系列会从基础的工具库开始,一步一步走进数据大门。相关代码参考 我的 github 库
书籍阅读
论文阅读
- A TensorFlow-Based Production-Scale Machine Learning Platform
- Optimal Real-Time Bidding for Display Advertising
- Auto-Keras: An Efficient Neural Architecture Search System
- Feedback Control of Real-Time Display Advertising 另附 代码解析
- Frustratingly Easy Domain Adaptation
联邦学习之旅
联邦学习作为机器学习的又一重要分支,力求在保护隐私的前提下提高模型效果,将在金融、医疗、政府中起到重要作用,事不宜迟,一起来学习吧。
框架解析
书籍阅读
论文阅读
- Advances and Open Problems in Federated Learning
- A Vertical Federated Learning Method for Interpretable Scorecard and Its Application in Credit Scoring
密码学与网络安全
《密码学与网络安全》是经典的密码学课本,以自底向上的形式介绍密码学知识、网络安全攻防及案例研究。在数据隐私日益受到人们关注的今天,掌握一些密码学知识,是很有必要的。感兴趣的话,可以关注本系列。
- 0 课程概览 - 包含数学背景知识
- 01 计算机攻击与计算机安全
动手学深度学习
《动手学深度学习》是一本面向中文读者的能运行、可讨论的深度学习教科书。这个系列是我学习的过程和笔记,对原有的 Jupyter Notebook 形式做了一定的修改,方便直接在命令行中运行和交互。代码基于 PyTorch(已完结,实验代码请参考 我的 github 库)
注:本系列采用 PyTorch 编写代码,故 MXNet 相关内容,不会涉及。
CS230 Deep Learning 深度学习
CS230 这门课的大名想必大家都听过,就是吴恩达老师推出的深度学习课程。我们会学习 CNN/RNN/LSTM 等深度学习常用的网络架构,以及如何去完成一整个深度学习项目。这个系列就是我的学习笔记,在原有课程的基础上,我会加入自己的理解,并把对应的代码同步到 Github 上。(课程完结,实验代码请参考 我的 github 库)
- 00 课程概览
- 01 深度学习入门
- 02 神经网络编程基础
- 03 浅层神经网络
- 04 深层神经网络
- 05 实战深度学习
- 06 优化算法
- 07 超参调试与 Batch Normalization
- 08 如何开展机器学习项目
- 09 卷积神经网络基础
- 10 案例研究之深度卷积模型
- 11 目标检测
- 12 人脸识别和神经风格转换
- 13 循环神经网络
- 14 自然语言处理与词嵌入
- 15 序列模型和注意力机制
附录:
CS20 用 Tensorflow 深度学习
CS20: Tensorflow for Deep Learning Research 是一门介绍如何用 Tensorflow 来进行深度学习的课程。很多时候我们学了不少理论,但真正上手都要依赖于 Tensorflow, PyTorch, MXNet 等框架。那么工欲善其事必先利其器,作为当下最火的 Tensorflow,虽然用起来并不是特别顺手,但也是有必要学习一下的。(已完结)
- 00 课程概览
- 01 Tensorflow 快速入门
- 02 Tensorflow Ops
- 03 Tensorflow 搭建模型
- 04 Eager Execution
- 05 Manage Experiments
- 06 Convnet 简介
- 07 Convnets in Tensorflow
- 08 Style Transfer
- 09 RNN 与语言模型
- 10 机器翻译
编程起跑线
完成于 2016 年,主要是编程基础知识与对应的面试题集锦,找工作必备。(已完结)
- 01 总览
- 02 Big O 分析
- 03 数组和字符串
- 04 栈和队列
- 05 链表
- 06 递归与动态规划
- 07 树和图
- 08 排序和搜索
- 09 数学
- 10 位操作
- 11 面向对象
- 12 其他知识
- 13 总结
- 14 技术面试感悟