收录SC小组在学习高性能计算、分布式架构、数据挖掘与人工智能方向的笔记和材料
- 数据结构与算法
- 离散数学
- Linux 基础
- 操作系统基础
- 深入理解计算机系统
- 数据库基础
- 数据预处理(插值算法、统计知识、matplotlib 可视化)
- 特征变量的选择，初识 kaggle(线性代数、numpy、pandas)
- 分类与聚类(KNN、PCA 降维、信息熵、决策树、随机森林及 sklearn 实现)
- 统计分析(数理统计基础、拟合算法、多元变量分析、时间序列分析)
- 机器学习基础(逻辑回归、感知机、简单神经网络)
- 深度学习基础(CNN、RNN、LSTM 等算法的 Tensorflow 实现)
- OpenMP、MPI、CUDA 及其他并行语法
- 并行数据挖掘、遗传算法、迭代算法与前沿介绍
- 高性能计算导论(分布式架构与软硬件策略)
- Introduction to High Performance Scientific Computing - Victor Eijkhout(已授权)
- 区块链概念介绍(以太坊与智能合约)
- python 高性能优化策略(numba、cython、pypy、矩阵优化、FFT、Blas、泊松方程、二位热传导方程等)