---

💡 「关于」

• 🎓 博主东南大学研一在读，双修 Java 和 AI，奔跑在全栈的路上。本仓库用于记录学习过程中的所思所想，并力图构建一个完善的知识体系，便于复习巩固

• 🙏 由于本人水平有限，仓库中的知识点来自本人原创、视频、书籍、博客等，非原创均已标明出处（或在参考资料中列出），如有遗漏或发现文章错误及排版问题，请提 issue 或 PR

• 🎯 仓库中 README 的链接并未修改无法访问，仅作为仓库概览，详细内容请各位看官点击下方地址进入在线阅读

• ⚡ Gitee 在线阅读（国内访问速度较快） | Gitee 仓库地址（推荐）

• 🔮 Github 在线阅读 | Github 仓库地址

---

📑 计算机基础

😃 该部分内容是仓库刚起步阶段所做，格式和内容并不完善，日后会抽出时间重新进行总结，也欢迎大家提 issue 和 PR~

数据结构 DS

• 参考资料
• 1 - 线性表
• 2 - 栈和队列
• 3 - 树
• 4 - 图
• 5 - 查找
• 6 - 排序
• 🔥 数据结构面试指南

算法 Algorithm

🍋 本节结合《算法导论》和 LeetCode，每个知识点都配备对应的 LeetCode 题目，知其然而知其所以然，拒绝无脑刷题。目前尚在更新中，对应的 LeetCode 会逐渐添加进去。不需要看知识点的小伙伴可直接进入 LeetCode 分模块刷题指南，所有题目会在此处分类汇总。

• 1 - 算法基础
• 2 - 递归
• 3 - 分治
• 4 - 二分查找
• 🔥 LeetCode 分模块刷题指南

计算机网络 Net

• 参考资料
• 1 - 计算机网络相关概念
• 2 - 物理层
• 3 - 数据链路层
• 4 - 网络层
• 5 - 传输层
• 6 - 应用层
• 7 - 网络管理和网络安全
• 🔥 计算机网络面试指南

操作系统 OS

• 参考资料
• 1 - 操作系统概述
• 2 - 进程、线程、死锁
• 3 - 内存管理
• 4 - 文件管理
• 5 - 设备管理
• 🔥 操作系统面试指南

数据库 DB

• 参考资料
• 1-数据库系统概述
• 2 - 关系数据库
• 3 - 关系数据库标准语言SQL
• 4 - 数据库安全性和完整性
• 5 - 关系数据库设计理论
• 6 - 数据库设计之E-R图
• 7 - 查询处理和优化
• 8 - 事务处理 - 数据库恢复技术
• 9 - 事务处理 - 并发控制
• 10 - 数据库编程
• 🔥 数据库面试指南

软件工程 SE

• 参考资料
• 软件工程重点知识总结

---

🎨 前端

必备基础知识

• 1 - JSON 详解
• 2 - AJAX 详解

Vue 2.x

• 1 - Vue.js 入门
• 2 - 安装
• 3 - Vue-Cli 3+搭建的项目目录结构
• 4 - 模板语法
• 5 - 条件语句
• 6 - 循环语句
• 7 - 计算属性
• 8 - 监听属性
• 9 - 样式绑定
• 10 - 事件处理器
• 11 - 表单
• 12 - 组件
• 13 - 自定义指令
• 14 - 路由详解
• 15 - Axios 详解
• 16 - 生命周期钩子

---

🍵 Java

Java 8 基础

• 1 - Java 的基本程序设计结构
• 2 - 对象与类
• 3 - 组合与继承
• 4 - 接口
• 5 - 内部类
• 6 - 函数式编程
• 7 - 异常 + 断言 + 日志
• 8 - 字符串
• 9 - 反射
• 10 - 动态代理
• 11 - 泛型
• 12 - 数组
• 13 - 集合
• 14 - 重要集合源码分析
• 15 - 枚举类型
• 16 - 并发
• 17 - I/O

Java 虚拟机

• 1 - Java 内存区域与内存溢出异常
• 2 - 垃圾收集器与内存分配策略
• 3 - 类文件结构
• 4 - 类加载机制

SSM

• 1 - Spring 总结
• 2 - SpringMVC 总结
• 3 - MyBatis 总结
• 4 - SSM 框架整合 — 实例演示

Spring Boot 2.x

• 1 - Spring Boot 入门
• 2 - 配置文件
• 3 - 自定义 starter
• 4 - 日志
• 5 - Web 开发
• 7 - Web 开发 - 实战案例
• 6 - SpringBoot 前后端数据交互的几种常用方式 ⭐
• 8 - SpringBoot 与数据访问
• 9 - 异步、定时、邮件任务
• 10 - 集成 Redis（Lettuce）
• 🚀 SpringBoot + Vue 前后端分离项目实战

JPA

• 🔥 Spring Boot + Spring Data JPA 一篇文章快速入门
• 1 - 实体类映射到数据库表的基本注解
• 2 - 表之间的映射关系
• 3 - Spring Data JPA 的四种查询方式
• 4 - Spring Data JPA 的更新方式详解

Redis

• 1 - NoSQL 概述
• 2 - Redis 入门
• 3 - Redis 五大数据类型
• 4 - 三种特殊数据类型
• 5 - 事务
• 6 - Java 使用 Redis — Jedis
• 7 - Redis 配置文件详解
• 8 - Redis 持久化
• 9 - Redis 发布订阅
• 10 - Redis 主从复制
• 11 - Redis 缓存穿透和雪崩

Shiro

• 🔥 SpringBoot + Shiro 一篇文章快速入门

Spring Security 5.x

• 🔥 SpringBoot + SpringSecurity 一篇文章快速入门
• 1 - Spring Security 概述
• 2 - Spring Boot + Spring Security 初体验
• 3 - 基于内存的认证和授权
• 4 - 基于内存数据库的认证和授权
• 5 - 基于 Mysql 数据库的认证和授权
• 6 - 自定义登录页面和构建主页
• 7 - 登出处理和自定义 403 界面
• 8 - 从数据库中动态加载角色
• 9 - 原理分析
• 10 - 记住我

---

🚀 Python

Python 3 基础

• 1 - Python基础
• 2 - 函数
• 3 - 高级特性
• 4 - 函数式编程
• 5 - 模块
• 6 - 面向对象编程
• 7 - 面向对象高级编程
• 8 - 错误、调试和测试
• 9 - IO 编程
• 10 - 进程和线程
• 11 - 正则表达式

Python 数据分析

• 1 - 准备工作
• 2 - IPython 和 Jupyter NoteBook
• 3 - Python 语法基础、数据结构、函数、文件
• 4 - Numpy 基础
• ✍ Numpy：练习题 100 题
• 5 - pandas：入门
• 6 - pandas：数据加载、存储与文件格式
• 7 - pandas：数据清洗和准备
• 8 - pandas：数据规整 - 聚合、合并和重塑
• 9 - matplotlib：绘图和可视化
• 10 - pandas：数据聚合与分组运算

---

🎮 机器学习

机器学习入门

📣 本节是根据吴恩达老师的《Machine Learning》课程做的笔记和总结，并未涉及复杂的数学推导和代码，可用来对机器学习做一个初步的认识和了解。

• 1 - Introduction to Machine Learning
• 2 - 模型评估与选择
• 3 - 线性回归
• 4 - 逻辑回归 + 正则化
• 5 - 神经网络
• 6 - 支持向量机 SVM
• 7 - 聚类 (K-means 算法) + 降维 (PCA 算法)
• 8 - 异常检测 + 推荐系统
• 9 - 大规模机器学习+图片文字识别
• ✍ 吴恩达 Coursera 机器学习 — 编程作业 — Python 实现

常见算法 Python 实现

📣 本节基于《Machine Learning in Action》，旨在使用原生 Python 实现常见的机器学习算法，并利用该算法解决某些小问题。本节并不涉及完备的算法公式推导，如有无法理解的公式或步骤，可参考下节 - 常见算法公式推导。

• 【第一部分：分类 】
  • 1 - k-近邻算法
  • 2 - 决策树
  • 3 - 朴素贝叶斯
  • 4 - Logistic 回归
  • 5 - 支持向量机 SVM
  • 6 - 集成方法 + 非均衡分类问题
• 【第二部分：回归】
  • 7 - 线性回归
  • 8 - 树回归
• 【第三部分：无监督学习】
  • 9 - K-均值算法
  • 10 - 使用 Apriori 算法进行关联分析
  • 11 - 使用 FP-growth 算法来高效发现频繁项集
• 【第四部分：其他工具】
  • 12 - 利用 PCA 简化数据
  • 13 - 利用 SVD 简化数据

常见算法公式推导

📣 本节基于《统计学习方法 - 第 2 版》并综合上面两节的内容，摒弃不加思考的笔记记录，从无到有，包含算法的公式推导以及对应的代码解析，力求完善机器学习的知识体系，夯实基础。

• 【第一部分：监督学习】
  • 1 - 统计学习及监督学习概论
  • 2 - 感知机
  • 3 - k 近邻算法
  • 4 - 朴素贝叶斯算法
• 【第二部分：无监督学习】

---

🌺 深度学习

深度学习入门

📣 本节是根据吴恩达老师的《deeplearning.ai》课程做的笔记和总结，在了解机器学习的基础上，可用来对深度学习做一个初步的认识和了解。

• 【第一部分：神经网络与深度学习】
  • 1 - Introduction to Deep Learning
  • 2 - 神经网络基础之逻辑回归
  • 3 - 神经网路基础之 Python 与向量化
  • 4 - 浅层神经网络
  • 5 - 深层神经网络
• 【第二部分：优化深度神经网络】
  • 6 - 深度学习的实用层面
  • 7 - 优化算法
  • 8 - 超参数调试 + Batch 正则化
• 【第三部分：构建机器学习项目】
• 【第四部分：卷积神经网络 CNN】
• 【第五部分：序列模型】

---

🔨 Tools

• Snipaste + PicGo+ Gitee 图床一键上传
• LaTeX 常用语法