镜湖

生成分类数据，实现逻辑回归的参数化函数与优化过程，通过分类指标和 ROC 曲线评估模型。

以文本分类为例，整理数据预处理、多项式朴素贝叶斯的似然与后验概率计算。

从距离计算和邻居投票实现 kNN 分类，用交叉验证选择 k，再扩展到回归任务。

用 NumPy 实现线性回归，推导最小二乘与最大似然估计，并比较 Ridge、LASSO 和梯度下降的效果。

用 pandas 加载和清洗数据，处理缺失值与重复记录，再通过描述统计和可视化了解数据分布。

在 Mac 上安装 Sunshine，再用 iPad 的 Moonlight 配对连接，记录网页配置、PIN 验证和录屏权限的设置过程。

整理 SageMaker 在数据准备、模型构建、训练和部署中的功能，以及端点、预测数据捕获与模型观察的学习记录。

整理 Apache Spark 的分布式计算、MLlib 机器学习和 EMR 集群使用方式，以及存储连接与集群调整。

整理监督与无监督学习、训练集划分、常见算法以及深度神经网络的训练概念。

整理数据仓库、Redshift 集群和节点、数据加载、性能监控以及 IAM 角色访问其他 AWS 服务的学习记录。