• 第5章　优化与数值计算
  第5章　优化与数值计算 优化问题是机器学习的核心。 学习算法的本质是 寻找最优参数，使模型在给定任务上表现最佳。 这一过程几乎总可以形式化为一个“优化问题”： [ \min_\theta ; L(\theta) ] 其中 ( \theta ) 是模型参数，( L(\theta) ) 是损失函数或目标函数。 本章将介绍从损失函数设计到优化算法、再到数值陷阱与模型复杂度控制的系统思维。...
  2025-11-03 12:40:12 | AI
• 第4章　线性代数与矩阵运算
  🧭 标题备选 别被矩阵吓到：机器学习的底层，其实全是线性代数 线性代数是机器学习的语言：从向量到PCA，一次讲透 机器学习的灵魂不是AI，而是矩阵 当你看懂向量、矩阵和PCA，机器学习才真正入门 数学不抽象：一文讲透机器学习背后的线性世界 🖼 封面文案 所有的智能背后，都是线性代数在默默支撑。 理解矩阵，你就理解了机器学习的底层逻辑。 （配图建议：...
  2025-11-03 12:40:12 | AI
• 第3章　概率与统计
  【AI简史】第3章 概率与统计：机器学习的灵魂数学 你以为机器学习靠的是算力，其实靠的是“算概率”。 很多人一听到“概率与统计”，第一反应就是头疼。 但如果你真想理解机器学习的底层逻辑，这一块必须得啃下来。 因为无论是推荐算法、语音识别，还是 ChatGPT， 它们本质上都在做一件事——在不确定性中做决策。 而能让机器理解“不确定”，只有概率论和统计学。 一、不确定世界...
  2025-11-03 12:40:12 | AI
• dive-into-llms-112-第2章 机器学习的核心思想
  机器学习的核心思想：从“人写规则”到“机器自己学” 很多人第一次听到“机器学习”，脑子里都会浮现一个念头——这是不是某种黑盒魔法？ 其实不是。 机器学习的本质是一种新的“做事方式”：它不靠人一条条写规则，而是让机器自己从数据里学规律。 理解了这个核心转变，你在做任何和 AI 有关的项目时，都会更清楚地知道，自己到底在调什么、该先解决什么。 一、从“规则编程”到“经验学习” 规...
  2025-11-03 12:40:12 | AI
• 第1章 机器学习的诞生与演化
  第1章　机器学习的诞生与演化 这一部分是整本书的灵魂章节——它帮助读者理解「为什么机器学习会出现」、「它解决了什么问题」、「它与深度学习和大模型之间的关系是什么」。 1.1　从符号主义到统计学习 一、人工智能的三大流派 人工智能（AI）并不是一夜之间出现的，它的思想可以追溯到上世纪 50 年代。AI 的发展大致经历了三大主要思潮： 符号主义（Symbolism）——...
  2025-11-03 12:40:12 | AI
• 一文看懂深度学习与人工智能（已完结）
  机器学习系列 第0张 深入理解机器学习 第1章 机器学习的诞生与演化 第2章 机器学习的核心思想 第3章 概率与统计 第4章　线性代数与矩阵运算 第5章　优化与数值计算 第6章　线性模型家族 第7章　基于距离与相似度的方法 第8章　决策树与集成学习 第9章　概率模型与统计学习 第10章 无监督学习与聚类（Unsupervised Learning & Clust...
  2025-11-03 12:40:12 | AI
• redis 访问次数过多的优化
  背景 系统上发现有的业务场景，访问了几百次 redis。 虽然每一次速度不算慢，但是性能多次访问叠加，就有些慢了。 一些方式： 关于 redis 访问次数的一些优化思考。 mget, 优化为1次，pipeline、多线程并发。 jvm 本地缓存，使用 cache 避免内存过大，类似于布隆过滤器，set 之类的，先访问本地，然后才访问 redis。 chat redis 访问优...
  2025-10-31 12:40:12 | Cache
• 文本差异对比与增量存储的一点思考
  背景 这几天一直在对比 json、text，对的眼花缭乱。 于是就想着写两个页面小工具。 json 对比 纯文本的行、词、char 对比 一点延伸 又想到，如果我想存储文章的每一个版本。 其实每次都是全量并不是好的方法，因为有时候可能改动不多。 那么，有没有类似于 base+differ 的方式，来存储每个版本的信息呢？ 思路 通过 differ 工具，直...
  2025-10-31 12:40:12 | Tool