Data Science / NLP / LLM Applications
大四学生，正在系统整理 Python 工程、数据科学、机器学习、NLP/LLM 应用、 数学笔记和项目复盘。这里既是学习档案，也是逐步成型的技术作品集。
把课程项目、技术笔记和实验记录整理成长期可回看的作品体系。
从传统机器学习 baseline 到 DistilBERT + LoRA，再到 XGBoost hybrid 的完整情感分类项目。
DistilBERT / LoRA / XGBoost / Macro F1Python、C++、算法题、项目结构和可复现脚本。
02Math for ML线性代数、SVD、张量分解、优化和模型背后的数学。
03Data SystemsPandas、Dask、Spark、特征工程和大数据分析。
04Portfolio Output把项目文章、GitHub、实验结果整理成可面试讲述的作品。
COMP2013 数据结构与算法教程：从复杂度分析、排序、堆、哈希、搜索树到 DP、贪心与图
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。