基本思想以“女士品茶”为例，对于该女士有没有品茶的能力，有两种假设：该女士没有品茶能力和该女士有品茶能力。在统计上这两个非空不相交参数集合称作统计假设，简称假设。通过样本对一个假设作出对与不对的判断，则称为该假设的一个检验。若检验结果否定该命题，则称拒绝这个假设，否则就接受（不拒绝）这个假设。 假设可分为两种： 参数假设检验，即已经知道数据的分布，针对总体的某个参数进行假设检验； 非参数假设检验

Git飞行规则(Flight Rules)前言 英文原版README 翻译可能存在错误或不标准的地方，欢迎大家指正和修改，谢谢！ 什么是”飞行规则”?这是一篇给宇航员（这里就是指使用Git的程序员们）的指南，用来指导问题出现后的应对之法。 飞行规则(Flight Rules) 是记录在手册上的来之不易的一系列知识，记录了某个事情发生的原因，以及怎样一步一步的进行处理。本质上, 它们是特定场景

NLP Tasks Sentiment analysis: is a text positive or negative? Text generation (in English): provide a prompt and the model will generate what follows. Name entity recognition (NER): in an input senten

颜色CPU 蓝色: 低优先级线程 绿色: 正常优先级线程 红色: 内核线程 Mem 绿色: 已用内存 蓝色: 缓冲区 黄色/橙色: 缓存

killps -ef | grep firefox | awk '{print $2}' | xargs kill -9 ps -ef | grep <key-word> | awk '{print $2}' | xargs kill -9

跟我一起写 Makefile突然发现吴老师在2010年写的 makefile 教程，转载一下 概述什么是makefile？或许很多Winodws的程序员都不知道这个东西，因为那些Windows的IDE都为你做了这个工作，但我觉得要作一个好的和professional的程序员，makefile还是要懂。这就好像现在有这么多的HTML的编辑器，但如果你想成为一个专业人士，你还是要了解HTML的标识的含

NMT: Neural Machine Translation SMT: Static Machine Translation BLUE: Bilingual Evaluation Understudy WMT-14 dataset: beam-search: beam search是对贪心策略一个改进。在每一个时间步，不再只保留当前分数最高的1个输出，而是保留num_beams个。当num

实验室wiki上静北师兄整理的，copy一下 Git 使用哲学简单来说，Git 的使用哲学和目的就是有条理地说清楚你都干了什么事，然后把它们一一存储成独立的改动。 这么做以后，如果你之前发现你做的某一件事可能是错的，你可以基于这个独立的改动创建一个分支，同时还保留其他改动。 同时，你还可以实现回滚到某个版本，应用其他同学的改动等等。但就核心而言，是练就你有条理地说清楚你都干了什么事的能力。 Git

Matrix Decomposition PCA: Principle Component Analysis SVD: Singular Value Decomposition LDA: Linear Discriminant Analysis NMF: Non-negative Matrix Factorization NMF: with Sparse Constraints Linear Sp

隐马尔可夫模型（Hidden Markov Model）$$\lambda = f(\boldsymbol{\pi}, \boldsymbol{A}, \boldsymbol{B})$$ 隐藏状态初始概率分布 $\boldsymbol{\pi}$ 状态转移概率矩阵 $\boldsymbol{A}$ 观测状态概率矩阵 $\boldsymbol{B}$ 三个基本问题1. 概率计算：已知系统输出 $