Tartar0us's Blog

今天是假期的最后一天，早上爽睡到 11 点起床。其实九点多就醒了，但是不愿意起来，睡了俩小时又。起来之后就点了外卖，西红柿打卤面 + 两个卤蛋，11 块钱很实惠。 起来之后洗袜子，简单策划了一下红色合唱。 给电动车充电了，想买隐形眼镜，下午出去验光试试。 刚才又请教 max 说谈恋爱的过程中和异性朋友的关系，他说最底层的逻辑是，你不能总跟异性朋友聊天，就是你不能拿本来可以陪对象的时间去陪别人。然后就是分享视频也是同一个道理，你不能本来可以分享给对象的视频分享给别人。最好是火花也不要有。我当即卸载了抖音，因为昨天玩了 12 个小时手机，然后 6...

# 书籍 挪威的森林（最喜欢的一本爱情小说吧） 找机会重新读一遍，记下来里边好吃的日料，以后去日本看看 白夜行（大概知道意思） 你的名字 铃芽之旅 原子习惯 高效能人士的七个习惯 三体 未来之城 斗破苍穹 全职高手（判断一下这种书要不要花时间看。人的时间是有限的） # 漫画 莫林的眼睛系列 蓝色监狱 镖人 # 电影 无限列车（鬼灭之刃） 星际穿越 默杀 2 忍者之路 流浪地球 1 流浪地球 2 流浪地球 3

# 欲望是无穷无尽的，量力而行 # 旅游 日本（东京的新宿、大版） 美国（纽约、LA） # 电子设备 有一台 3w + 的台式电脑（未来租房子住会不会太麻烦） 3w + 的笔记本也行 有钱了买最新款 iphone 运动相机 # 超远目标 凯迪拉克 CT5 一套小房子，够自己住就可以（这个不买也行） # 学历 ntu 或者 nus 的硕士学位证书 # 经历 去一次酒吧 染头 减肥到 160 打出一次完美的四号位无视野二次进攻 做自媒体！！！ # 游戏荣誉 火影忍者上一次超影 王者荣耀荣耀王者 和平精英无敌战神 三角洲天才少年 bro...

# 鸢尾花数据分类 黄金批次 # 三下乡投稿 青春东秦 青春河北 学校公众号 三下乡官网 人民网 整理报销材料 # 三下乡后期材料 关注劳动实践课转换 招新 排球 生活 # 晓明语录 汇总到一个本地网页 自己的博客美化 清理桌面 # 着手运营青耘传馨 b 站 应该主要方向是 AI 生成相关视频 # SVM 核函数

# 一些专有名词 底物流加速度（substrate feed rate） ‑ 指把 “营养液（底物，如葡萄糖、甘油等）” 泵送进发酵罐的瞬时体积流量。 ‑ 常见单位：L・h⁻¹ 或 mL・min⁻¹。 ‑ 数值太小 → 菌 “挨饿”；太大 → “溢糖效应”、乙酸等副产物堆积。 底物流加温度（substrate feed temperature） ‑ 指补进罐内的营养液本身的温度。 ‑ 通常比罐温低 5-15 ℃（或经预热后同温），用来补偿蒸发散热或抑制热应激。 ‑ 温度过低 → 罐内整体温度骤降，酶活下降；过高 → 局部过热，菌体受损。 流加效果（feeding...

# 学习 # 黄金批次 这两天有点浪费时间，划水很严重。今天在摸鱼的时候晓蝶姐让我做一个生物发酵（青霉素）黄金批次的数据分析，就是找到影响它产物浓度的因素，并且找到一些点进行调整，让最后的产率提高。 第一题是找出与产物浓度最相关的特征，这个比较简单，画了一个相关性热力图就出来了 第二题让找调整点。不会完全。 模型想用随机森林（其实内容全是 AI），最后也没做出来 上班摸鱼挺抖音自己收藏的音乐合集，完全听一遍需要一个小时。 # 鸢尾花 姐又让我做了一个更简单的，鸢尾花分类 第一步把数据集分成 8：2 的训练集和测试集，这个简单 第二步建立模型并预测，我告诉 AI 用 svm，AI...

先发制人！邮件已经发出，现在要做的是 **“老师一旦回复，我立刻能进入状态”** 的准备。 下面给你一份「大二进组专用」的 4 周冲刺清单，全部围绕机器学习 / 数据分析方向，分 “基础补漏 → 工具熟练 → 小项目实战 → 文献 / 科研礼仪” 四层推进。你可以按周完成，也可并行。 # 🔹 Week 0（现在就能做） 把环境搭好 本地：Anaconda + JupyterLab / VS Code 远程：Google Colab（GPU）、Kaggle Notebook GitHub 新建仓库 MyMLLog...

# 周五 周五晚回家了，依旧一个半小时高铁 晚上很累，本来想着回家倒头就睡来着， 但是最后磨磨唧唧一点才睡觉。太晚了。 # 周六 很有意思的一天，晓龙来家里，还有昌大学辉，我们一起编纂老刘语录，整理东区五班的史料，奋斗了一天的结果是老刘语录出来电子版了，然后其他的一些纸质版也全部都扫描完了，非常的完美。我想后面用 gitee 搭建一个国内的网站储存这些史料。可以后期慢慢的弄 如果用网站的话不知道能不能放...

主要用来记录一些留学相关信息，相当于一个记事本吧

# 入门 本来打算把 kaggle 入门归类到我们的 tech 文件夹中，但是想到未来还要有很多的博客关于 kaggle，就直接开了一个文件夹。 # 如何使用 kaggle 下载数据集 模型求解 提交数据 -> 得到分数 优化模型，尝试获得更高的分数 最终得到排名 # 官方比赛介绍 参加比赛 阅读挑战说明，接受比赛规则并访问比赛数据集。 开始工作 下载数据，在本地或 Kaggle Notebooks（我们无需设置、可自定义的 Jupyter Notebooks 环境，带有免费 GPU）上构建模型，并生成预测文件。 提交 ：将您的预测作为提交上传到 Kaggle...