以前的WinForm项目大多数是用基础的多线程技术来实现的，或者用线程池将事件扔到并发队列中去异步执行，很少有用async/await异步方式来实现的，正巧我最近在学习这方面的知识，也浏览了几位大神的博客，在此总结汇总一下。

微积分主要包括包括极限、微分学、积分学及其应用，而微分学包括求导数的运算，是一套关于变化率的理论。研究函数的变化规律，推导事物发展的趋势走向是它的拿手好戏，印象里，上学时，学习的顺序是，数列，极限，函数，导数，微分，积分，当然也有很多数学家说先学积分，因为积分直观比较容易被理解。

在机器学习中线性代数是及其重要的数学工具，因为训练数据时会进行大量的矩阵运算，所有的线性方程计算都会转化成矩阵的计算，训练模型时所需要的计算量是巨大的，而全部转化为矩阵会缩短计算的时间，极大的提升计算速度，而且很多方程只能通过向量化的形式来解，代数与几何密不可分，可以相互的转化，这也正是数学的魅力所在。本篇重点总结向量和行列式的知识点.....

微分和导数外形很相似，导致有时候傻傻的分不清楚，在查找无数资料之后我找到了一个能够被理解的说法，导数描述的是函数在一点处的变化快慢的趋势，是一个变化的速率，微分描述的是函数从一点（移动一个无穷小量）到另一点的变化幅度，是一个变化的量。

微分和导数外形很相似，导致有时候傻傻的分不清楚，在查找无数资料之后我找到了一个能够被理解的说法，导数描述的是函数在一点处的变化快慢的趋势，是一个变化的速率，微分描述的是函数从一点（移动一个无穷小量）到另一点的变化幅度，是一个变化的量。

学习完数学理论就差不多该开始学习机器学习的原理了，现在流行的深度学习和强化学习，基本都是基于机器学习的原理，机器学习是基础，所以需要先了解机器学习是什么，怎么实现的。

在机器学习中线性代数是及其重要的数学工具，因为训练数据时会进行大量的矩阵运算，所有的线性方程计算都会转化成矩阵的计算，训练模型时所需要的计算量是巨大的，而全部转化为矩阵会缩短计算的时间，极大的提升计算速度，而且很多方程只能通过向量化的形式来解，代数与几何密不可分，可以相互的转化，这也正是数学的魅力所在。本篇重点总结向量和行列式的知识点.....

微积分主要包括包括极限、微分学、积分学及其应用，而微分学包括求导数的运算，是一套关于变化率的理论。研究函数的变化规律，推导事物发展的趋势走向是它的拿手好戏，印象里，上学时，学习的顺序是，数列，极限，函数，导数，微分，积分，当然也有很多数学家说先学积分，因为积分直观比较容易被理解。

学习完数学理论就差不多该开始学习机器学习的原理了，现在流行的深度学习和强化学习，基本都是基于机器学习的原理，机器学习是基础，所以需要先了解机器学习是什么，怎么实现的。

在机器学习中线性代数是及其重要的数学工具，因为训练数据时会进行大量的矩阵运算，所有的线性方程计算都会转化成矩阵的计算，训练模型时所需要的计算量是巨大的，而全部转化为矩阵会缩短计算的时间，极大的提升计算速度，而且很多方程只能通过向量化的形式来解，代数与几何密不可分，可以相互的转化，这也正是数学的魅力所在。本篇重点总结向量和行列式的知识点.....