APS 重点复习课程之数据结构
Overview Linear List Sequence Table (Array) Linked List Stack Queue Tree Binary Tree Pre-order, In-order, Post-order, on the level Traversal Binary Sort Tree B Tree B+ Tree Graph Adjacent Matrix and Adjacent List DFS BFS Search Algorithm Binary Search Heap Search B Tree Sort Algorithm Bubble Sort Selective Sort Quick Sort Merge Sort Linear list Sequence Table 12template<typename T>T arr[100];//applied by array insert an element at i-th position: every element behind ...
APS 复习课程清单
重点复习课程 Data Structure 3.7 Principles of Computer Organization 3.0 Probability and Mathematical Statistics 2.7 Database System 3.7 Introduction to Algorithms 1.3 Introduction to Artificial Intelligence 2.7 Introduction to Parallel Programming 4.0 Operating System 3.3 Assembly Language and Reverse Engineering 3.7 Computer Architecture 3.3 Computer Networks 2.7 Principles of Compilers 3.7 Deep Learning and Application 3.7 Software Engineering 3.3 非重点复习课程 Mathematical Analysis (Differentiation for O ...
德语学习 A2 Kapitel 15 Miteinander leben
15-1 Nebensatz-weil 原因从句 将两个句子连接起来：Ich lerne Deutsch. Es ist mir sehr einfach. 一般复合句 Ich lerne Deutsch, denn es ist mir sehr einfach. 不占位连词：und, aber, oder, denn 占位连词：sonst 否则, dann 那样的话, deshalb 因此 连词 denn 连接两个句子，两句话都是主句。 主句中，变位后动词再陈述句第二位。 主从复合句 Ich lerne Deutsch, weil es mir sehr einfach ist. 从句连词 weil 连接两句句子，主句可以脱离从句单独存在，句子核心意思不变。 从句中，变位后的动词位于句末。 从句结构：从局主语在首+……+动词置尾 主句 Hauptsatz + 从句 Nebensatz：Ich lerne Deutsch, weil ich in Deutschland lebe. 从句+主句：Weil ich in Deutschland lebe, lerne ich De ...
“一生一芯”计划 基础阶段
“一生一芯”计划——基础阶段实验报告 基础阶段(B 阶段)的目标 在自己设计的处理器上运行红白机游戏《SUPER MARIO BROS.》 深入理解《SUPER MARIO BROS.》是如何在自己设计的处理器上运行的 基础阶段(B 阶段)的大致步骤 搭建基础设施（提升调试效率的工具和方法）。 设计一个支持 RV64IM 的单周期处理器。先实现一个 RV64IM 的模拟器，在不接触RTL实现细节的情况下理解RISC-V指令和程序的行为, 然后再把这些理解迁移到RTL实现的真实处理器中。 为单周期处理器添加输入输出功能。B 阶段暂时不引入总线，而是借助仿真环境为处理器提供输入输出功能。 简易调试器（2022.7.15~2022.7.17） 在预学习阶段完成了 PA 1.1，此阶段需要完成 PA 1 剩下的内容 PA 1.2 和 PA 1.3。 PA 1.2 表达式求值 实现算术表达式的词法分析 学过编译原理，但是基本上知识全还给老师了（（（ 实现此处的词法分析，先分析表达式需要的所有 token。根据实验指导书分析，token 不同类型的优先级从上到下为： ...
本科第七学期（大四上）的课表
分享一下我第七学期（大四上）的课表😆😆😆
德语学习 A2 Kapitel 14 Feste, Freunde, Familie
14-1 Das Fest das Osterei-er 复活节菜单 bemalen 为……上色 der Osterhase-n 复活节兔子 der Schokoladenhase-n 巧克力兔子 das Osternest-er 复活节篮子 die Süßigkeit-en 糖果，甜食 Frohe Ostern! 复活节快乐！ das Feuerwerk-/ 烟花 der Sekt-e 香槟 die Neujahrsparty-s 跨年派对 der Glücksbringer- 护身符 das Schwein 猪 der Schornsteinfeger- 烟囱清理工 Guten Rutsch! 除夕快乐 Frohes Neujahr! = Prost Neujahr! 新年快乐 14-2 Das Fest der Weilhnachtsbaum-:e 圣诞树 schmücken 装饰 v das Geschenk-e 礼物 die Kirche-n 教堂 der Nikolaus-:e 圣诞老人 der Heiligabend-e 圣诞夜 das Weihnachtslied- ...
华为 ICT 计算产品线 2022 年暑期实习经历
大三下的后半学期，华为 HR 突然找到我问我要不要去华为实习（后来发现应该是华为 HR 拿到了学校 ACM-ICPC 获奖名单来一个一个找的）。我当时就想，暑假反正没啥事干，闲着也是闲着，不如去工业界体验一下，顺便刷个实习经历以后好在简历上多写一行。于是乎就投简历了。简历交上去后，按照 HR 的指示，投了华为 ICT 计算产品线的通用软件开发工程师的实习岗位。 个人情况 实习经历 无 项目经历 无，只有把某些课程的大作业勉强写上凑数。 竞赛经历 只有两块 ACM-ICPC 的铜牌（太菜了） 简历制作 个人信息+联系方式 教育背景（什么学分绩、四六级、雅思啥的都写上去） 项目经历、竞赛经历、实习经历 用 markdown 写的，特别简陋，特别“敷衍”，交上去的时候还是感觉挺尴尬的。 PS：在此之前投过 GitLab 远程实习。估计是简历的原因，直接就被刷了。 面试过程 职业风格测评 HR 让做的职业风格测评，我挂了两次，第三次才过。就是一个测试网站，做题的时候要清醒，别前后有关联的题目选择时出现矛盾的情况。做的时候不要管那么多，尽量让自己看起来“正能量”一些（ 上机考 ...
动手强化学习 第四章 无模型控制方法
SARSA SARSA 对于当前策略执行每个（状态→动作→奖励→状态→动作）元组 SARSA 更新状态-动作值函数为：Q(s,a)←Q(s,a)+α(r+γQ(s′,a′)−Q(s,a))Q(s,a)\leftarrow Q(s,a)+\alpha(r+\gamma Q(s',a')-Q(s,a))Q(s,a)←Q(s,a)+α(r+γQ(s′,a′)−Q(s,a)) 使用 SARSA 的在线策略（on-policy）可控制 对于每个时间步长 评估策略：Q(s,a)←Q(s,a)+α(r+γQ(s′,a′)−Q(s,a))Q(s,a)\leftarrow Q(s,a)+\alpha(r+\gamma Q(s',a')-Q(s,a))Q(s,a)←Q(s,a)+α(r+γQ(s′,a′)−Q(s,a)) 策略改进：ϵ−greedy\epsilon-greedyϵ−greedy 方法 算法具体步骤 初始化 Q(s,a)Q(s,a)Q(s,a) 循环（for each episode） 初始化 S 基于已有的 Q（ϵ−gre ...
动手强化学习 第三章 值函数估计
蒙特卡洛方法 模型无关的强化学习 在现实问题中，通常没有明确给出状态转移和奖励函数 比如，我们只看到了一些 episodes（采样）： Episode1: s0(1)→a0(1),R(s0)(1)s1(1)→a1(1),R(s1)(1)s2(1)⋯sT(1)s_0^{(1)}\xrightarrow{a_0^{(1)},R(s_0)^{(1)}}s_1^{(1)}\xrightarrow{a_1^{(1)},R(s_1)^{(1)}}s_2^{(1)}\cdots s_T^{(1)}s0(1)a0(1),R(s0)(1)s1(1)a1(1),R(s1)(1)s2(1)⋯sT(1) Episode2: s0(2)→a0(2),R(s0)(2)s1(2)→a1(2),R(s1)(2)s2(2)⋯sT(2)s_0^{(2)}\xrightarrow{a_0^{(2)},R(s_0)^{(2)}}s_1^{(2)}\xrightarrow{a_1^{(2)},R(s_1)^{(2)}}s_2^{(2)}\cdots s_T^{(2)}s0(2)a0(2) ...
动手强化学习 第二章 马尔可夫决策过程
马尔可夫决策过程 马尔可夫决策过程 Markov Decision Process, MDP 提供了一套为在结果部分随机，部分在决策者的控制下的决策过程建模的数学框架 MDP 形式化地描述了一种强化学习环境 环境完全可测（不用知道是之前是由怎么样来到当前状态的） 当前状态可以完全表征过程（马尔可夫性质） 马尔可夫性质 The future is independent of the past given the present 定义 状态 StS_tSt 是马尔可夫的，当且仅当 P[St+1∣St]=P[St+1∣S1,...,St]\mathbb P[S_{t+1}|S_t]=\mathbb P[S_{t+1}|S_1,...,S_t]P[St+1∣St]=P[St+1∣S1,...,St]。 （St=f(Ht)S_t=f(H_t)St=f(Ht)） 性质 状态从历史中捕获到了所有相关信息 当状态已知的时候，可以抛开历史不管 i.e. 当前状态是未来的充分统计量 MDP 五元组 MDP可以由一个五元组表示：(S,A,{Psa},γ,R) ...
