「机器学习」课程笔记，本文介绍逻辑回归在二分类、多分类问题中的应用，介绍了逻辑回归的 sigmoid 假设函数、代价函数及其数学推导，首次引入决策边界。含代码实现。

本文旨在通过学习前人的经验，形成自己的一套阅读文献的方法。

「软件工程」课程考点预测，内容偏应试风格，文中标注了考试中考到的内容。

「软件工程」思维导图，内容偏应试风格，主要包括：软件工程概论、软件开发过程管理、需求工程、软件设计、软件测试、软件维护。

学期中最忙的时候，分享一篇小短文。

「数据库系统」课程项目，基于 MySQL+Django 实现校园食堂点餐系统，代码已开源于 GitHub。

「数据库系统」思维导图，内容偏应试风格，主要包括：数据库基础概念、数据库设计、数据库实现、数据库事务处理。

「模式识别」课程笔记，本文介绍两个经常提及并对比的概念：判别式模型与生成式模型，并分析两者的异同之处，将常用机器学习算法归类。

「模式识别」课程笔记，本文介绍了在概率密度分布的形式不典型时，需要用到的非参数估计方法：Parzen 窗法、KNN 法。

「模式识别」课程笔记，本文介绍了前文提及的似然概率密度的详细参数估计方法：矩估计、极大似然估计、贝叶斯估计，并以正态分布为例推演过程。

「机器学习」课程笔记，本文介绍正规方程在多元线性回归中的应用，包括其两种数学推导：向量形式和矩阵形式。含代码实现。

「机器学习」课程笔记，本文介绍梯度下降法在多元线性回归中的应用，提及了特征标准化的重要性（与归一化对比），以及梯度下降法的学习率选取与迭代收敛曲线绘制。含代码实现。

「模式识别」课程笔记，本文系统介绍了朴素贝叶斯分类器的原理，及最小错误率分类和最小风险分类的不同之处，最后介绍了半朴素贝叶斯分类。

「模式识别」课程笔记，本文辨析 ML 与 PR 在概念上的不同，并介绍了最经典的分类算法——KNN 分类的主要内容。

学习 Python 时做的笔记，介绍了常用的数据可视化第三方库 Matplotlib 的使用方法，本文将持续更新。