常用Git命令
常用 Git 命令。
面试题-数据库中查找图片
。
面试题-运输和消耗最优解问题
。
ML入门-交叉验证与模型选择
（1）交叉验证；（2）超参数调优。
ML入门-模型性能评价指标
（1）回归模型性能评价指标；（2）分类模型性能评价指标。
ML入门-类别样本不均衡问题
（1）类别样本不均衡问题。
ML入门-多类分类任务
（1）多类分类任务。
ML入门-Logistic优化求解与牛顿法
（1）牛顿法和拟牛顿法；（2）Logistic 回归的优化求解。
ML入门-Logistic回归简介
（1）Logistic / Sigmoid 函数，决策函数、决策边界；（2）Logistic 损失函数、替代损失函数，交叉熵损失；（3）Logistic 正则项，Logistic 必须加正则的解释；（4）Scikit-Learn 中的 Logistic 回归。
ML入门-损失和正则的概率解释
（1）回归模型中损失函数的概率解释；（2）回归模型正则项的概率解释。
ML入门-线性回归三种求解
（1）线性回归模型的求解方法（解析法，梯度下降法：① 随机梯度、② SGDRegressor）；（3）次梯度法；（4）坐标轴下降法。
ML入门-线性回归简介
（1）回归和线性回归简介；（2）线性回归模型的预测残差、L1 / L2 / Huber 损失函数；（3）Scikit-Learn 中的线性回归；（4）欠拟合与过拟合；（5）带正则的线性回归模型（岭回归、Lasso、弹性网络）。
ML入门-机器学习简介
（1）什么是机器学习；（2）机器学习的类型。
Linux云服务器远程任务随笔
（1）云服务器的选择；（2）本地连接云服务器；（3）SSH 连接保活；（4）后台运行 Linux 任务；（5）远程使用 Jupyter Notebook。