这篇文章按照树莓派官网推荐的方式——使用 SD 卡烧写工具 balenaEtcher 为树莓派安装操作系统。本文通过官网系统镜像（而不是 NOOBS）进行安装。
-
-
OpenMP、MPI、CUDA 并行蒙特卡洛方法计算圆周率
用 OpenMP、MPI、CUDA 实现蒙特卡洛算法（Monte Carlo method）计算圆周率 $\pi$，并探索算法参数与运算性能以及精度之间的关系。
-
MIT 6.0002 PS4: Simulating the Spread of Disease and Bacteria Population
本文是我对 MIT 6.0002 课程（Introduction to Computational Thinking and Data Science）配套作业 Problem Set 4 的解答。这次，我们要完成一个模拟细菌和抗生素相互作用的计算模型。
-
【Python】手写随机梯度法求解 MNIST 上的多项逻辑回归问题
用 Python 求解经典手写数字 MNIST 数据集上的多项逻辑回归问题，以 Softmax 作为损失函数，分别使用梯度下降法和随机梯度法训练模型，并探讨 Mini Batch 对计算结果的影响。未用到任何机器学习框架，完全自己实现。
-
MIT 6.0002 PS3: Robot Simulation
本文是我对 MIT 6.0002 课程（Introduction to Computational Thinking and Data Science）配套作业 Problem Set 3 的解答。
-
【Python】用邻近点梯度法、交替方向乘子法、次梯度法求解 LASSO 回归模型
考虑线性测量 b=Ax+e，利用一范数规范化最小二乘模型，分别使用邻近点梯度下降法、交替方向乘子法、次梯度法从 b 与 A 中恢复 x。此外，讨论 L1 正则化参数对计算结果的影响。
-
MIT 6.0002 PS2: Fastest Way to Get Around MIT
本文是我对 MIT 6.0002 课程（Introduction to Computational Thinking and Data Science）配套作业 Problem Set 2 的解答。这次作业实现了一些和有向图相关的数据结构，并编写了使用 DFS 的最短路径递归算法。
-
MIT 6.0002 PS1: Space Cows Transportation
本文是我对 MIT 6.0002 课程（Introduction to Computational Thinking and Data Science）配套作业 Problem Set 1 的解答。这次作业涉及到了贪心算法和动态规划算法。