概述 @ 本文介绍了如何使用Git将Hugo生成的静态网站资源同步到Web服务器，实现网站发布。核心方法是利用Git的hook钩子功能，实现Git仓库与项目文件分离管理。

前言 @ 众所周知适配 chromium 是非常困难的，需要依赖各种 lib 库，下面提供一个邪修方法可以升级任意版本的 chromium，并且一次编译好后，后续安装十分简单。

最小二乘法介绍 @ 最小二乘法的目标是找到一组参数值，使得观测值 $y_i$ 与预测值 $\hat{y}_i=\beta_0+\beta_1x_i$ 之间的误差平方和最小。通过对误差平方和关于 $\beta_0$ 和 $\beta_1$ 求偏导数并令其为零，可以得到求解参数的公式。

泰勒公式 @ 泰勒公式是一个用函数某点的信息描述其附近取值的公式，利用高阶导数来刻画函数的性质，在数学、物理、工程等多个领域都有广泛应用。 核心思想 @ 在函数的某个点（记为$x = a$，像一个“支点”）附近，用一个多项式去逼近该函数。

偏导数 @ 偏导数是多元函数中用于衡量函数在某一自变量方向上变化率的概念。 对于多元函数，如$z = f(x,y)$，在固定其他自变量的情况下，对某一个自变量求导得到的导数就是偏导数。

极大似然法 @ 极大似然法是一种在统计学中用于参数估计的重要方法，以下从基本思想、求解步骤、应用场景等方面为你讲解： 基本思想 @ 极大似然法的核心是基于这样一个原理：

线性模型 @ 在机器学习中，线性模型是一类较为基础且重要的模型，主要分为以下几类： 线性回归模型 @ 一元线性回归 @ 用于建立一个自变量 $x$ 与一个因变量 $y$ 之间的线性关系，其模型形式为 $y = \beta_0+\beta_1x+\epsilon$，其中 $\beta_0$ 是截距，$\beta_1$ …

一般建模步骤 @ 数据收集与预处理：收集相关的自变量和因变量数据，并进行清洗、缺失值处理、数据标准化等预处理操作。 模型假设：假设因变量与自变量之间存在线性关系，即$y = \beta_{0}+\beta_{1}x_{1}+\beta_{2}x_{2}+\cdots+\beta_{n}x_{n}+\epsilon$， …

统计学习和符号学习 @ 统计学习和符号学习是机器学习领域中的两种重要学习范式 统计学习 @ 定义：统计学习基于统计学理论，利用数据来构建模型并进行预测和决策。它通过分析大量的数据，发现数据中的统计规律，以实现对未知数据的预测和分类等任务。 方法：常见的统计学习方法包括线性回归、逻辑回归、支持向量机、决策树、随机森林、 …

摘要 @ 最近 github 有个很火的开源项目 roadmap，其中里面有个 Computer Science Roadmap 的学习路线比较吸引我的注意，基本涵盖了一个计算机科学的本科生应该掌握的技能，恰巧我之前也写了很多相关的文章，打算以此图为例做一个文章导向，本章基本涵盖了图中所有黑色部分。

golang 安装与配置 @ Golang 安装 @ Ubuntu 系统如何安装 @ # 下载golang安装包 wget http://golang.google.cn/dl/go1.17.10.linux-amd64.tar.gz # 解压&安装 sudo tar -C /usr/local -xzf …