机器学习基础：通过NumPy生成随机数与样本采样
介绍 NumPy 随机数生成与样本采样方法，涵盖常见分布、随机数组和抽样场景，为实验数据构造与模型训练准备基础工具。
最新文章
机器学习基础：使用NumPy做算术运算和矩阵运算
围绕 NumPy 数组运算展开，梳理逐元素计算、广播机制、矩阵乘法和常用线性代数操作，建立机器学习数值实现的基本手感。
机器学习基础：NumPy数组的创建和基本使用
从机器学习中的数值计算需求出发，讲解 NumPy 数组的创建、初始化、数据类型和基础属性，为后续矩阵运算与数据处理打底。
C++逆向：对main函数的分析和识别
从程序入口的真实执行路径出发，分析 VC6 下 main 函数在反汇编中的识别方式，帮助理解运行库初始化与用户代码入口的关系。
C++逆向：基本数据类型在内存中的表现形式的分析
围绕 C/C++ 基本数据类型，分析整数、浮点数、指针等对象在内存和汇编中的表现，为后续逆向识别变量语义打基础。
CentOS7上配置Anaconda3并使用vscode远程连接jupyter
本文记录了笔者在Centosy7服务器上搭建了jupyter notebook的实验环境和使用vscode远程连接jupyter notebook的过程。
C++逆向：循环结构的分析、识别与还原
分析 for、while、do while 循环在反汇编中的典型形态，结合跳转关系和条件判断总结循环结构的识别与还原思路。
C++逆向：表达式生成汇编与表达式优化机制
围绕 C++ 表达式到汇编指令的生成过程，分析算术表达式、临时结果和编译器优化，理解源代码与底层执行之间的对应关系。
