数据库系统概论学习笔记
点击查看参考教程
参考视频及文章参考链接视频【公开课】数据库系统概论（王珊老师）书籍《数据库系统概论》第五版PPTPPT查看PPT下载方法f12->点击ppt->找到相应的请求->找到叫ppturl的链接下载其他判断是否为无损连接分解PL/SQL存储过程带*号表示不是本科重点
第一章 绪论
数据库概述
数据库的4个基本概念
数据(Data)
数据(Data)是数据库中存储的基本对象
数据的定义：描述事物的符号记录称为数据，可以是数字、文字、图形、图像、音频、视频等，它们都可以经过数字化后存入计算机
数据的解释是指对数据含义的说明，数据的含义称为数据的语义，数据与其语义是不可分的
数据库(DataBase,DB)
数据库是长期储存在计算机内(永久存储)、有组织的、可共享的大量数据的集合
数据库中的数据按一定的数据模型组织、描述和储存，具有较小的冗余度(redundancy)、较高的数据独立性(data independency)和易扩展 ...
深入理解计算机系统CSAPP笔记(未完)
点击查看参考教程
参考文章参考链接文章深入理解计算机系统 (wolai.com)书籍《深入理解计算机系统（CSAPP）》书籍勘误深入理解计算机系统，第三版(CSAPPe3)
第一章 计算机系统漫游
以一个C语言的HelloWorld程序为例，看看程序运行的生命周期是怎样的
#include <stdio.h>int main(){ printf("Hello World\n"); return 0;}
程序的表示：信息就是位+上下文
hello **程序的生命周期是从一个源程序（源文件）**开始的。
即程序员通过编辑器创建并保存的文本文件，文件名是hello.c 。
源程序实际上就是一个由值 0 和 1 组成的位（又称为比特）序列，8 个位被组织成一组，称为字节。每个字节表示程序中的某些文本字符。
像 hello.c 这样只由 ASCII 字符构成的文件称为文本文件，所有其他文件都称为二进制文 ...
正则表达式学习
点击查看参考教程
参考内容参考链接正则表达式学习正则表达式特殊字符()正则表达式括号的作用单词边界正则表达式单词边界和非单词边界
正则表达式的创建
两种方式进行创建：
使用一个正则表达式字面量，其由包含在斜杠之间的模式组成，如下所示：
var re = /\d/g;
调用RegExp对象的构造函数，如下所示：
var re = new RegExp("\\d", "g");
转移字符\要进行转义，写成\\
JS 中正则表达式的匹配
字符串的方法`match`正则表达式的方法`exec`字符串的方法match进行匹配：
let str = "abca";var re = /a/;console.log(str.match(re)); //输出['a', index: 0, input: 'abca']字符串的方法match进行匹配：
let str = "abc ...
Windows下使用hexo的Butterfly主题在github pages上搭建静态博客
点击查看参考教程
参考内容参考链接Hexo 搭建过程Hexo 搭建博客Hexo 安装及使用Hexobutterfly 主题设置Butterflybutterfly 美化及插件参考博主akilarbutterfly 美化参考博文Guo Le
安装 hexo 并部署到 github
环境部署
第一步：注册github账号并创建仓库第二步：安装git第三步：安装Nodejs进入GitHub注册并登录 github 后，点击new即可创建仓库
填写仓库名，仓库名的格式必须是 用户名.github.io ，然后点击Create repository创建
这样 github 的仓库就创建成功了
官网Git下载或git-for-windows/git (github.com)下载，这里提供阿里云下载，安装教程可以自行搜索
Git-2.36.1-64bit下载
在安装完后，在桌面鼠标右键会出现 Git Bash Here 代表安装成功
点击进 ...
泛化能力证明及霍夫丁不等式等相关证明
泛化能力证明
参考文章及视频：
泛化误差上界的证明
泛化误差上界
马尔可夫(Markov)不等式
尾概率估计方法
强化学习理论基础 Sound_of_wind 的个人空间_bilibili【视频】 :+1:
集合论
如何通俗的理解矩母函数
concentration-slides (stanford.edu)
先导
期望和方差的定义和性质
期望的定义：
离散型：
E[X]=∑inxipi\mathbb{E}[X]=\sum_{i}^{n}x_ip_i
E[X]=i∑nxipi
连续型：
E[X]=∫−∞+∞xf(x)dx\mathbb{E}[X]=\int_{-\infty}^{+\infty}xf(x){\rm d}x
E[X]=∫−∞+∞xf(x)dx
也称为随机变量 XXX 的均值，记做 Xˉ\bar{X}Xˉ
期望的性质：
E[C]=C,C是常数E[aX]=aE[X],a是常数E[aX+bY]=aE[X]+bE[Y]若X,Y相互独立，则E[XY]=E[X]E[Y]\begin{aligned}
&\mathbb{E}[C]=C,C是常数\\
&\ ...