书: https://pan.baidu.com/s/1untyKaWXt7RJt7udfaVI6A?pwd=44y8
笔记如下：

1. DSL基础概念：介绍领域专用语言（DSL）的定义、分类（内部DSL vs 外部DSL）及适用场景。
2. DSL设计原则：讲解如何通过语义模型（Semantic Model）分离业务逻辑与实现细节。
3. 内部DSL构建：基于宿主语言（如Ruby、Scala）的语法糖和元编程实现流畅接口（Fluent Interface）。
4. 外部DSL开发：使用ANTLR、Lex/Yacc等工具实现词法分析、语法解析及AST生成。
5. 语义模型设计：将DSL表达式转换为中间表示（IR），隔离语法与运行时逻辑。
6. 类型系统集成：在DSL中实现静态类型检查，增强安全性与IDE支持。
7. 错误处理机制：提供用户友好的语法错误提示与上下文感知的恢复策略。
8. DSL与测试：针对DSL编写单元测试与属性测试（Property-Based Testing）。
9. 元编程技巧：利用反射、宏或模板技术降低DSL实现复杂度。
10. 性能优化：通过缓存、惰性求值或JIT编译加速DSL执行。
11. DSL调试工具：开发REPL环境或可视化工具辅助DSL脚本调试。
12. 多阶段DSL：分离编译时与运行时逻辑（如SQL查询构建与执行）。
13. 嵌入式DSL案例：分析Rails ActiveRecord、Spark SQL等成功DSL的设计模式。
14. 外部DSL集成：将自定义DSL编译器/解释器嵌入宿主应用（如IDE插件）。
15. DSL文档生成：自动化生成DSL语法手册与示例代码。
16. 可变性设计：支持DSL扩展机制（如插件、自定义函数）。
17. 并发DSL：构建用于分布式计算的领域语言（类似Akka Stream DSL）。
18. 可视化DSL：结合图形化界面（如Blockly）降低非程序员使用门槛。
19. DSL演进策略：处理语法版本兼容性与迁移路径。
20. DSL与AI：探索LLM（大语言模型）辅助生成DSL脚本的可行性。

书: https://pan.baidu.com/s/1untyKaWXt7RJt7udfaVI6A?pwd=44y8
笔记如下：

1. Linux网络协议栈架构：解析内核网络子系统的分层设计（Socket层、TCP/IP层、设备驱动层）。
2. Socket实现机制：深入剖析socket()系统调用的内核处理流程，包括struct sock结构体管理。
3. TCP协议栈核心：详解拥塞控制（CUBIC/BBR）、重传机制、滑动窗口在内核中的实现。
4. IP层处理：分析路由子系统（FIB）、IP分片重组、NAT转换及Netfilter钩子（PRE_ROUTING等）。
5. 网络设备驱动：开发基于NAPI的网卡驱动，处理DMA环形缓冲区与中断合并优化。
6. 多队列网卡：配置RSS（接收端缩放）与XPS（传输数据包转向）提升多核处理能力。
7. 内核协议栈优化：调整tcp_no_delay、tcp_tw_reuse等参数应对高并发场景。
8. eBPF与网络：编写eBPF程序（XDP/tc钩子）实现包过滤、流量统计与DDoS防御。
9. 虚拟网络设备：实现tap/tun虚拟设备，分析veth pair、bridge在容器网络中的作用。
10. VLAN与VXLAN：配置内核支持的虚拟网络协议，实现大二层网络扩展。
11. ICMP与ARP：跟踪内核中ICMP报文处理流程及ARP缓存表动态更新机制。
12. 网络命名空间：利用Network Namespace隔离网络栈，支撑容器化网络需求。
13. QoS与流量控制：通过tc工具配置HTB、QFQ等队列规则实现带宽限速。
14. 内核bypass技术：对比DPDK、XDP等用户态网络加速方案的性能差异。
15. 套接字缓冲区：分析sk_buff结构的内存管理及零拷贝（sendfile）优化原理。
16. 无线网络栈：探索mac80211框架及Wi-Fi驱动（如ath9k）的内核集成方式。
17. 安全机制：配置iptables/nftables防火墙规则，理解CONFIG_SECURITY_NETWORK编译选项。
18. 内核调试工具：使用dropwatch、ss、ethtool诊断网络丢包与性能瓶颈。
19. 协议栈扩展：注册自定义L4协议（如实现QUIC内核模块）。
20. 云原生网络：分析Cilium+eBPF如何替代kube-proxy实现Kubernetes Service负载均衡。

书: https://pan.baidu.com/s/1untyKaWXt7RJt7udfaVI6A?pwd=44y8
笔记如下：

1. Linux内核架构：解析Linux内核的模块化设计，包括进程管理、内存管理、文件系统等核心子系统。
2. 内核编译与移植：详细讲解如何配置、编译内核，并移植到ARM/RISC-V等嵌入式设备。
3. 进程调度机制：分析CFS（完全公平调度器）、实时调度策略（SCHED_FIFO/SCHED_RR）及其参数调优。
4. 内存管理：深入剖析物理内存分配（Buddy System）、虚拟内存（MMU）、Slab分配器及OOM处理机制。
5. 设备驱动模型：基于字符设备、块设备和网络设备驱动框架，实现GPIO、I2C等外设驱动开发。
6. 中断与时钟：理解上半部/下半部机制（软中断、tasklet、工作队列），以及高精度定时器（hrtimer）的使用。
7. 同步与互斥：应用自旋锁（spinlock）、信号量（semaphore）、RCU等机制解决内核态并发问题。
8. 文件系统实现：剖析Ext4/Btrfs等文件系统的磁盘布局，并编写简易文件系统模块。
9. 内核调试技巧：使用printk、ftrace、kprobe和KGDB进行内核级问题追踪与性能分析。
10. 电源管理：实现设备休眠（suspend/resume）、CPU调频（CPUFreq）等低功耗策略。
11. 网络协议栈：深入Linux网络子系统，优化TCP/IP协议栈并开发Netfilter钩子函数。
12. 容器技术基础：分析Namespace、Cgroups机制如何支撑Docker等容器化技术。
13. 安全机制：配置SELinux/AppArmor，理解内核安全模块（LSM）的加载与策略定制。
14. 实时性优化：通过PREEMPT-RT补丁改造标准内核，满足硬实时（Hard Real-Time）需求。
15. 内核模块开发：编写可动态加载的内核模块（.ko文件），处理版本兼容性与符号导出。
16. 性能调优：使用perf、eBPF工具分析系统瓶颈，优化缓存利用与上下文切换开销。
17. 交叉开发环境：配置QEMU模拟器与GDB交叉调试，实现内核的远程开发与测试。
18. 用户态交互：通过procfs、sysfs、netlink等机制实现内核与用户空间的数据通信。
19. 开源社区协作：解读内核邮件列表提交规范，参与补丁提交与代码审核流程。
20. AI与内核融合：探索内核层面对NPU加速的支持，及AI推理框架（如TensorFlow Lite）的底层优化。

书: https://pan.baidu.com/s/1LWWovU7IScpiddLrDhjl1w?pwd=pc5n
笔记如下：

1. Selenium简介：介绍Selenium的发展历史、核心组件（WebDriver、IDE、Grid）及适用场景。
2. 环境搭建：讲解Python+Selenium环境配置，包括浏览器驱动（ChromeDriver、GeckoDriver）的安装。
3. 元素定位方法：详解8种定位方式（ID、Name、XPath、CSS Selector等）及最佳实践。
4. 常见Web操作：实现点击、输入、下拉选择、文件上传等基础交互的自动化脚本编写。
5. 等待机制：对比强制等待（sleep）、隐式等待（implicitly_wait）和显式等待（WebDriverWait）的使用场景。
6. Frame与多窗口处理：解决iframe嵌套和浏览器多标签页切换的自动化问题。
7. JavaScript执行：通过execute_script()调用JS代码处理特殊交互（如滚动、隐藏元素操作）。
8. Cookie管理：自动化添加、删除和读取浏览器Cookie实现登录状态保持。
9. 页面截图与日志：使用save_screenshot()捕获异常页面，结合logging模块记录测试过程。
10. 单元测试集成：与unittest/pytest框架结合，生成结构化测试报告（HTMLTestRunner）。
11. 数据驱动测试：通过CSV、Excel或JSON文件实现参数化测试。
12. Page Object模式：设计可维护的PO模式架构，分离页面元素与测试逻辑。
13. Selenium Grid：搭建分布式测试环境，实现多浏览器并行测试。
14. 移动端测试：Appium基础与Selenium兼容的移动自动化测试方案。
15. 验证码处理：绕过或识别简单验证码的自动化方案（OCR、第三方API）。
16. Headless模式：使用无头浏览器（Chrome Headless）提升测试效率。
17. 行为链（ActionChains）：模拟复杂用户操作（拖拽、悬停、组合键）。
18. 测试报告优化：集成Allure生成可视化测试报告，附加截图和操作步骤。
19. 持续集成：与Jenkins/GitHub Actions结合实现自动化测试流水线。
20. 高级应用：反爬虫应对策略、Shadow DOM操作及Web性能指标监控。

书: https://pan.baidu.com/s/1LWWovU7IScpiddLrDhjl1w?pwd=pc5n
笔记如下：

1. Qt框架概述：介绍Qt的发展历史、核心模块和跨平台特性。
2. 开发环境搭建：讲解Qt Creator的安装与配置，以及如何创建第一个Qt项目。
3. 信号与槽机制：深入解析Qt的核心通信机制，包括连接方式与Lambda表达式结合使用。
4. Qt Widgets基础：介绍QMainWindow、QPushButton、QLabel等常用控件的使用方法。
5. 布局管理：使用QVBoxLayout、QHBoxLayout、QGridLayout进行界面自动布局。
6. 对话框设计：实现模态与非模态对话框，以及自定义对话框的开发。
7. 文件与目录操作：利用QFile、QDir和QFileDialog进行文件读写与路径管理。
8. 绘图与图形视图：使用QPainter绘制基本图形，并介绍QGraphicsView框架。
9. 模型/视图编程：讲解QListView、QTableView、QTreeView与自定义Model的使用。
10. 多线程编程：使用QThread、QRunnable和QtConcurrent实现多任务处理。
11. 网络编程：基于QTcpSocket、QUdpSocket和QNetworkAccessManager实现网络通信。
12. 数据库操作：连接SQLite、MySQL等数据库，使用QSqlQuery和QSqlTableModel进行数据管理。
13. 国际化与本地化：利用Qt Linguist工具实现多语言支持（tr()函数与.ts文件）。
14. QML与Qt Quick：介绍QML语法，使用Qt Quick设计现代化UI界面。
15. 2D/3D图形渲染：结合OpenGL与Qt进行2D/3D图形开发。
16. 多媒体应用：使用QMediaPlayer、QCamera实现音视频播放与摄像头捕获。
17. 打印与PDF导出：通过QPrinter和QPainter实现文档打印与PDF生成。
18. 插件系统开发：创建动态加载的插件（Plugin）扩展应用功能。
19. 跨平台部署：打包发布Windows、Linux、macOS平台的应用程序。
20. 性能优化与调试：使用Qt Creator调试工具，优化内存与CPU占用。

书: https://pan.baidu.com/s/1LWWovU7IScpiddLrDhjl1w?pwd=pc5n
笔记如下：

1. PyTorch简介：介绍PyTorch的特点、安装方法及基本张量操作。
2. 张量基础：讲解Tensor的创建、运算、广播机制及与NumPy的互操作。
3. 自动微分：使用autograd模块实现自动求导，理解计算图和梯度传播。
4. 神经网络基础：通过nn.Module构建全连接网络，介绍前向传播与反向传播。
5. 数据加载与预处理：利用Dataset和DataLoader实现高效数据批处理与增强。
6. 卷积神经网络（CNN）：实现LeNet、ResNet等经典模型，应用于图像分类任务。
7. 循环神经网络（RNN）：介绍LSTM、GRU的结构及在时序数据（如文本、股价）中的应用。
8. Transformer模型：实现自注意力机制，构建简易Transformer进行序列建模。
9. 模型训练技巧：学习优化器（SGD、Adam）、学习率调度与早停策略。
10. 损失函数选择：对比交叉熵、MSE、Huber等损失函数的适用场景。
11. 模型保存与加载：使用torch.save和torch.load实现模型的持久化。
12. GPU加速：配置CUDA环境，将模型与数据迁移到GPU训练。
13. 分布式训练：介绍DataParallel和DistributedDataParallel的多GPU训练方法。
14. 混合精度训练：使用amp（自动混合精度）提升训练速度并减少显存占用。
15. 模型部署：通过TorchScript和ONNX将模型导出为生产环境可用格式。
16. 迁移学习：微调预训练模型（如BERT、Vision Transformer）解决自定义任务。
17. 生成对抗网络（GAN）：实现DCGAN生成手写数字或人脸图像。
18. 强化学习基础：结合PyTorch和OpenAI Gym实现DQN算法。
19. 模型解释性：使用Captum库进行特征重要性分析和可视化。
20. PyTorch 2.0新特性：介绍编译优化（torch.compile）、动态图改进等核心升级。

书: https://pan.baidu.com/s/1LWWovU7IScpiddLrDhjl1w?pwd=pc5n
笔记如下：

1. Python与自动化运维：介绍Python在自动化运维中的优势，如易用性、丰富的库支持及跨平台能力。
2. 环境搭建：讲解Python开发环境的配置，包括虚拟环境（virtualenv）和依赖管理（pip）。
3. 系统信息采集：使用psutil、os等模块获取CPU、内存、磁盘和网络等系统状态信息。
4. 文件与目录管理：利用os、shutil模块实现文件操作、批量重命名和目录遍历。
5. 日志分析：通过re、pandas等库解析和分析Nginx、Apache等服务的日志文件。
6. 定时任务调度：结合crontab和Python脚本实现自动化任务管理。
7. 远程操作：使用paramiko、fabric库进行SSH连接和批量命令执行。
8. 配置管理：介绍通过configparser、yaml模块管理配置文件的最佳实践。
9. 进程监控与管理：利用subprocess、signal模块监控和控制系统进程。
10. 网络检测工具：通过socket、ping3等库实现网络连通性和端口扫描。
11. 自动化备份：编写脚本实现数据库（MySQL、PostgreSQL）和文件的定时备份。
12. 批量部署：使用ansible或自定义Python脚本完成应用和服务的自动化部署。
13. 性能监控与告警：结合Prometheus、Grafana和Python实现实时监控与告警。
14. Web运维工具开发：通过Flask、Django搭建运维管理后台。
15. API自动化测试：利用requests、unittest库进行RESTful API的自动化测试。
16. 容器化运维：介绍Docker SDK for Python管理容器的基本操作。
17. 安全审计：通过Python脚本实现漏洞扫描、弱密码检测等安全运维任务。
18. 大数据日志处理：结合Elasticsearch、Logstash和Python进行日志聚合分析。
19. 云平台运维：使用boto3（AWS）、aliyun-python-sdk等库管理云资源。
20. 运维自动化平台：探讨如何整合上述技术构建企业级运维自动化系统。

书: https://pan.baidu.com/s/1LWWovU7IScpiddLrDhjl1w?pwd=pc5n
笔记如下：

1. 图形学基础：介绍计算机图形学的基本概念，包括光栅化、光线追踪和着色模型。
2. 3D数学基础：讲解向量、矩阵、变换（平移、旋转、缩放）及其在图形学中的应用。
3. 渲染管线：解释实时渲染的基本流程，包括顶点处理、光栅化和片段着色。
4. 光线追踪原理：介绍光线投射、阴影计算和递归光线追踪的基本算法。
5. 着色与光照：讨论Lambert漫反射、Phong高光和基于物理的渲染（PBR）模型。
6. 纹理映射：讲解UV映射、Mipmap和多纹理混合技术。
7. 阴影技术：分析阴影贴图（Shadow Mapping）和光线追踪阴影的实现方法。
8. 全局光照：简介环境光遮蔽（AO）、辐射度（Radiosity）和路径追踪（Path Tracing）。
9. 抗锯齿方法：对比SSAA（超采样）、MSAA（多重采样）和TAA（时域抗锯齿）。
10. GPU加速：探讨并行计算在图形渲染中的应用，如CUDA和OpenCL。
11. 3D模型表示：介绍多边形网格、曲面细分（Tessellation）和体素（Voxel）。
12. 实时渲染优化：包括视锥剔除（Frustum Culling）和LOD（细节层次）技术。
13. 后处理效果：实现Bloom、HDR、运动模糊和景深等屏幕空间特效。
14. 物理模拟：简要介绍刚体动力学和布料模拟在渲染中的应用。
15. 体积渲染：讲解烟雾、云层等体积效果的渲染方法。
16. 卡通渲染（NPR）：探讨非真实感渲染技术，如轮廓线和色块着色。
17. 虚拟现实（VR）渲染：分析立体渲染、低延迟和帧率稳定的关键点。
18. 光线追踪加速结构：介绍BVH（层次包围盒）和KD-Tree在光线追踪中的作用。
19. 现代API对比：比较OpenGL、Vulkan和DirectX 12的架构差异。
20. 行业趋势：讨论实时光线追踪、AI降噪和元宇宙对图形学的影响。

书: https://pan.baidu.com/s/1LWWovU7IScpiddLrDhjl1w?pwd=pc5n
笔记如下：

1. OpenGL初始化：介绍如何设置OpenGL环境，包括窗口创建和上下文配置。
2. 图形管线：解释OpenGL的可编程渲染管线，包括顶点着色器和片段着色器的作用。
3. 顶点缓冲对象(VBO)：讲解如何使用VBO高效存储和管理顶点数据。
4. 着色器编程：提供GLSL（OpenGL着色语言）基础语法和编写自定义着色器的示例。
5. 3D变换：涵盖模型、视图和投影矩阵，以及如何在OpenGL中实现平移、旋转和缩放。
6. 光照模型：介绍Phong光照模型，包括环境光、漫反射和高光计算。
7. 纹理映射：讲解如何加载和应用纹理贴图到3D模型。
8. 帧缓冲对象(FBO)：说明离屏渲染技术，用于后期处理效果。
9. 几何着色器：探讨几何着色器的用途，如动态生成或修改几何图形。
10. 实例化渲染：优化大量相同对象的绘制，减少CPU-GPU通信开销。
11. 相机控制：实现第一人称或第三人称相机，包括鼠标和键盘交互。
12. 模型加载：使用Assimp等库导入外部3D模型文件（如OBJ、FBX）。
13. 碰撞检测：基础AABB（轴对齐包围盒）和球体碰撞检测算法。
14. 粒子系统：创建动态效果（如火焰、烟雾）的GPU驱动粒子系统。
15. 阴影映射：通过深度贴图实现实时阴影渲染技术。
16. 抗锯齿：介绍MSAA（多重采样抗锯齿）和FXAA（快速近似抗锯齿）。
17. 延迟渲染：优化多光源场景的渲染性能。
18. OpenGL调试：使用GL_KHR_debug扩展诊断常见错误。
19. C++优化：结合现代C++特性（如RAII、智能指针）管理OpenGL资源。
20. 跨平台适配：处理Windows、Linux和macOS上的OpenGL差异。

书: https://pan.baidu.com/s/1LWWovU7IScpiddLrDhjl1w?pwd=pc5n
笔记如下：

1. 复杂网络特征提取：

• 节点度分布、聚类系数、介数中心性等拓扑特征作为机器学习输入
• 使用NetworkX计算网络指标：nx.clustering(G)

1. 网络嵌入（Network Embedding）：

• DeepWalk：通过随机游走生成节点序列，用Word2Vec学习嵌入
• Node2Vec：控制游走策略（BFS/DFS平衡）
• 代码示例：from gensim.models import Word2Vec

1. 图神经网络（GNN）基础：

• 消息传递框架（Message Passing）
• 图卷积网络（GCN）层：$$H^{(l+1)} = \sigma(\tilde{D}^{-1/2}\tilde{A}\tilde{D}^{-1/2}H^{(l)}W^{(l)})$$

1. 社区检测结合机器学习：

• 基于Louvain算法发现社区结构作为分类特征
• 使用社区标签增强节点分类任务

1. 动态网络表示学习：

• 时序图注意力网络（TGAT）
• 动态Triad（三元组）模式捕捉

1. 异质网络处理：

• 元路径（Meta-Path）设计
• 异质图神经网络（HGNN）

1. 网络生成模型：

• 图变分自编码器（GraphVAE）
• 对抗生成网络（GAN）生成拓扑结构

1. 链路预测方法：

• 传统方法：共同邻居、Adamic-Adar
• 深度学习：SEAL框架（子图编码）

1. 图分类任务：

• 图核方法（Graph Kernels）
• 图池化操作（Graph Pooling）：SortPooling, DiffPool

1. 多模态网络学习：
   • 结合节点属性（文本/图像）的图注意力机制
   • 跨模态对比学习（如CLIP风格）
2. 可解释性技术：
   • 图注意力权重可视化
   • 子结构重要性分析（GNNExplainer）
3. 超大规模网络处理：
   • 图采样技术（GraphSAGE的邻居采样）
   • 分布式图计算（PyTorch Geometric+DP）
4. 网络对抗攻击：
   • 拓扑扰动检测
   • 鲁棒性图神经网络训练
5. 生物网络应用：
   • 蛋白质相互作用网络中的功能预测
   • 药物重定位（Drug Repurposing）
6. 社交网络分析：
   • 影响力最大化（Influence Maximization）
   • 虚假账号检测
7. 交通网络优化：
   • 基于图神经网络的流量预测
   • 最优路径规划
8. 推荐系统应用：
   • 用户-商品二部图建模
   • 知识图谱增强的图推荐
9. 异常检测：
   • 网络结构异常（突然出现的密集子图）
   • 节点行为异常（Autoencoder重构误差）
10. 联邦图学习：
    • 跨多个子网络的隐私保护训练
    • 梯度混淆技术
11. 前沿方向：
    • 量子图神经网络
    • 时空图建模（如流行病传播预测）
    • 神经符号系统结合