pytrick or gist

09-28

ML细化

09-25

分类 指标trick

05-10

Bias-Variance trick

05-10

集成学习 Ensemble

04-30

机器学习概览

03-01

数据

04-03

行列式计算

04-15

线性相关

04-15

线性方程初等变化 矩阵初等变换

04-15

矩阵

04-15

特征值 特征向量

04-15

树

05-15

pca

05-02

k-mean

05-02

线性模型

05-01

集成学习 Ensemble

04-30

SVM

04-29

Bayes 贝叶斯

04-22

KNN

04-17

梯度下降

07-12

导 基本概念

07-12

凸函数

05-04

keras start

05-17

mnist 分类 tensorflow

11-09

start

05-17

Shallow Neural Network 浅层神经网络

09-28

NN基础

05-18

概率-分布

08-18

概率概念

06-15

概率-抽样&分布

05-23

概率-假设

05-23

概率-参数估计

05-22

概率-常用

05-21

时序分析

05-25

时序分析 statsmodels

05-24

高频挑战

09-13

评估量化策略

09-11

风险

09-10

数据

09-09

执行模型

09-06

投资组合

08-31

交易成本模型

08-30

风险模型

08-29

阿尔法模型

08-29

凯利公式

06-16

数据预处理

05-26

风险评价指标

05-25

量化规则

05-25

snmp

09-24

ip 子网

05-19

计算机网络

06-02

Python 正则

06-03

资产配置

08-27

业绩分析

08-27

策略实施

08-24

策略实施

08-23

预测基础

08-22

预测基础

08-20

估值

08-16

APT 套利定价

08-14

信息率

07-25

风险

07-06

资本资产定价模型 CAPM 一致预期收益

07-05

向量

09-20

NN优化策略

10-01

NN优化 Hyperparameters 超参数

09-30

NN优化 gradient descent 算法

09-30

NN优化base model

09-29

Deep Neural Network 深层神经网络

09-29

人脸识别与神经风格迁移

10-03

目标检测

10-02

CNN基础

10-02

seq2seq

10-05

NLP & Word Embeddings

10-04

RNN基础

10-03

NLP & Word Embeddings

10-04

js 反爬

04-26

字体反爬

04-26

css反爬

04-26

验证码反爬

04-26

anti防盗链

12-09

Fabric

01-04

联盟链国内主流产品对比

12-19

区块tx解析

01-06

区块共识

01-04

量化择时

01-25

衡量指标

01-24

选股

01-16

概要

01-16

Web Hack 工具

01-28

Web Hack 原理

01-27

android 动态调试

11-26

frida 常用命令

06-21

apk

02-16

Dalvik

02-15

actions

02-07

tools

02-04

permission 权限

02-02

fence 防护机制

02-02

android file parse

02-01

常用命令

01-31

flink

04-05

logstash接收sslkafka数据存储到es

03-13

es 坑

11-03

es 数据类型

10-31

es stat

10-20

es机制内部原理

10-05

es预处理

10-05

es优化运维相关

10-05

es性能优化

10-05

es关联关系

10-05

es 查询相关

10-01

迁移到es使用上遇到的问题

10-01

elasticsearch 分片

05-30

spark 读取es

04-18

spark 参数调优

04-12

elasticsearch

03-30

Tiger graph

03-23

Neo4J

03-15

开发大数据坑

12-21

Storm

10-20

zookeeper

08-11

Hive

03-03

Spark

03-01

Hadoop

02-20

Bigdata for Mac Install

02-20

Bigdata Element

02-20

高并发I/O

03-05

Markov Model 马尔科夫模型

03-16

密码

03-30

performance

04-11

img

04-11

draw

04-11

cap video

04-11

go mod 打包成 deb/rpm

03-14

go sync包 锁 chan 等

08-10

grpc

08-06

go rule

07-27

go pkg

07-27

安全术语解析

10-23

maven

03-26

Java

11-16

tcpdump wireshark

01-01

OSCP-Survival-Guide

01-29

汇编

01-26

hack tool

01-12

c

05-31

c

05-05

排序算法

06-12

algorithm

12-03

k8s Custom Resources Definition(CRD) 和 oprator

07-23

crd demo

04-30

Programming Kubernetes 读书笔记

02-08

Kubernetes ApiServer 并发安全机制

02-07

Informer 机制详解

02-04

k8s 控制器模式

12-12

k8s operator 开发

11-22

rancher 用户自定义Add-Ons

12-07

CNI网络插件

03-09

rancher rke 适配arm64 Kylin Linux Advanced Server

11-04

rancher coredns 负载均衡

09-09

rancher开发

05-22

安装rancher2.5.6 docker 单机版

05-19

rancher k3s 升级 备份恢复

04-27

rancher

11-29

karmada 安装

08-17

karmada 概念

07-27

cuda 编程

08-20

OpenVINO

07-23

LLM量化

07-20

AI编译器实战

06-27

模型文件详解

06-23

AI 集合通讯

06-09

分布式AI训练原理

05-31

AI计算图

05-29

AI编译器概念

05-27

大模型推理系统

05-23

大模型设备端部署

05-22

搜索引擎

05-04

知识图谱

04-22

推荐系统

04-22

LLM推理

03-22

向量索引

02-19

LlamaIndex

01-16

AI 存储

12-03

transformers PEFT,训练等参数调优

11-21

MultiProcess with Pytorch (多进程模型)

10-30

AI Agent

10-10

Retrieval Augmented Generation 检索增强生成

10-10

stable diffusion 应用

09-22

Langchain

09-21

LLM 微调 PEFT RLHF 模型压缩

09-10

分布式AI训练原理

09-09

attention transformer原理 MOE

09-03

milvus

08-12

transformers

05-31

大模型备忘

05-12