RichardF 的技术作品集与学习实验室

这篇文章根据 COMP2013 Data Structures and Algorithms 的课程资料整理。它不是单纯把 lecture 列出来，而是试图回答一个更重要的问题：

当我们说“学数据结构与算法”时，到底是在训练什么能力？

我的理解是三件事。第一，能判断一个程序会不会随着输入规模变大而崩掉，也就是复杂度分析。第二，能选择合适的数据组织方式，让查询、插入、删除、排序这些操作不至于低效。第三，能把一个问题拆成可以证明正确的算法框架，比如分治、动态规划、贪心和图搜索。

这篇文章根据数据库系统课程资料整理，目标不是把课件逐页翻译，而是把数据库这门课真正的主线讲清楚：

现实业务 -> ER 建模 -> 关系模型 -> 关系代数 -> SQL 查询 -> 存储、索引、优化 -> 事务、并发、恢复

如果只背概念，数据库很容易学成一堆名词：entity、relationship、primary key、foreign key、selection、projection、join、normalization、B+ tree、ACID、serializability、logging。更好的学习方式是把它们看成同一个问题的不同层次：如何把现实世界中的数据，组织成可以被可靠查询、快速访问、正确更新、崩溃后还能恢复的系统。

这篇文章根据 COMP 4204 / DSAI 4204 课程资料整理，主题是数据挖掘的完整工作流。它不是只讲模型，而是从数据仓库、数据预处理和特征工程开始，再进入关联规则挖掘、分类、集成学习、聚类、DBSCAN 和 Web Mining，形成一条从数据组织到模式发现的学习路线。

如果说统计机器学习更关心“模型为什么有效”，数据挖掘更关心的是：

面对真实、混乱、不完整的数据，如何把它整理成可以被分析、建模、解释和部署的知识。

这篇文章根据 AMA3724 Further Mathematical Methods 中线性代数与微分方程部分的讲义整理。它不是一份公式清单，而是一篇偏推导的教程：先从矩阵、向量空间和投影讲起，再推到特征值、对角化、正定矩阵与 SVD，最后说明为什么这些线性代数工具会自然进入常微分方程和偏微分方程。

如果只把这门课理解成“会算矩阵、会解微分方程”，会很容易碎片化。更好的主线是：

线性代数研究的是线性变换如何作用在空间上；微分方程研究的是一个量如何随时间或空间变化。当变化规律是线性的，线性代数就会变成解微分方程的语言。

这篇文章根据 AMA4680 Statistical Machine Learning 的讲义和 tutorial 资料整理。它适合作为一篇经典机器学习入门到进阶的路线图：先从线性代数与回归复习开始，然后进入 ridge / lasso / kernel methods，再到分类问题中的 decision tree、Naive Bayes、SVM、logistic regression、ANN，最后补上无监督学习的 clustering 和强化学习基础 MDP。

如果 AMA3602 更像“怎样把一个线性模型建扎实”，那么 AMA4680 更像“怎样理解经典机器学习算法家族”。这门课的价值不只是会背算法公式，而是建立一个清晰框架：什么是监督学习，为什么需要正则化，核方法在做什么，分类器如何定义边界，无监督学习如何发现结构，MDP 如何把机器学习从预测推进到决策。

这篇文章根据 AMA3602 Applied Linear Models 的讲义、tutorial、summary note 和 Boston Housing 项目资料整理。它不是考试提纲，而是一篇面向“真的会用回归建模”的教程：先把简单线性回归和多元线性回归讲清楚，再进入残差诊断、变量选择、多重共线性、ridge regression，最后接到随机效应模型和一个 Boston Housing 房价建模案例。

如果把机器学习理解成“用数据拟合一个可泛化的函数”，那么线性模型就是最值得先学扎实的一类模型。它简单，但不幼稚；它的假设透明，诊断方法成熟，而且很多复杂模型的思想都可以在这里找到原型。

这篇文章是给“想投算法实习”的 Python 学习路线。它从最基础的语法开始，但目标不是停在 if、for、list 这些知识点，而是一路接到真实项目里会用到的工程能力：函数拆分、模块组织、文件读写、异常处理、日志、命令行参数、配置文件、实验记录和可复现脚本。

算法实习里的 Python 通常有两种用法：一种是写算法题，要求代码清楚、边界严谨；另一种是写项目和实验脚本，要求数据能读、模型能跑、参数能改、日志能查、结果能复现。这篇文章会把两条线接起来。

这篇笔记根据 COMP1010 / COMP1002 计算思维与问题求解资料整理。它和普通 Python 语法教程不太一样：重点不是“Python 有哪些语法”，而是“拿到一个问题之后，怎样把它拆成可以执行的步骤，再用 Python 写出来”。

如果你以后想继续学数据分析、机器学习、搜索推荐、NLP 或 AI infra，Python 的价值不只是写脚本，更重要的是训练一种能力：把模糊问题变成输入、输出、数据结构和算法流程。

这篇笔记根据 AMA2222 Principles of Programming 的课件整理，目标不是把 C++ 语法逐条背下来，而是建立一条能真正写程序的路线：先理解输入、输出和变量，再用条件与循环控制程序流程，然后用函数拆分问题，用数组和字符串保存数据，用搜索、排序、递归训练算法思维，最后进入类、继承、运算符重载、指针和动态内存。

如果你是从 Python 转到 C++，最重要的差异是：C++ 更强调类型、内存、编译和程序结构。Python 里很多事情解释器帮你处理了，C++ 会要求你明确地告诉电脑变量是什么类型、数组有多大、函数返回什么、对象如何初始化，以及什么时候申请或释放内存。

上一篇 DSAI4205 笔记偏“全景导览”，解释了大数据分析的系统主线。这一篇换成动手教程：根据 Tutorial 1-4、solution PDF 和配套数据，把 Pandas、Dask、Spark RDD、SparkSQL 串成一条从单机数据分析到分布式数据处理的实践路线。

读完这篇，目标不是记住所有 API，而是建立一个非常重要的迁移关系：

$$\text{Pandas DataFrame} \rightarrow \text{Dask DataFrame} \rightarrow \text{Spark RDD} \rightarrow \text{Spark DataFrame / SparkSQL}$$