注意方法的输入与输出学会看帮助文档学会看源码，关注方法要什么参数不知道返回值的时候printDebug一般来说，和图像本身处理相关的不改变数据格式，数学相关的都是基于Tensor，中间的桥梁是toTensor。

百度飞桨科科老师强化学习课程笔记

来自Manolis Kellis教授（MIT计算生物学主任）的课《人工智能与机器学习》，中间结合李沐的一个精读视频（GAN）作为补充。主要内容就是生成模型，包括自编码器（Autoencoder）、变分自编码器（VAE）和生成对抗网络（GAN）。由于这部分在我学习的课程中不到15分钟，所以内容很少，下面贴出油管链接（这个有一个半小时）

来自Manolis Kellis教授（MIT计算生物学主任）的课《人工智能与机器学习》主要内容是表示学习（Representation Learning）的part2----压缩（自动编码器）、捕捉参数分布（VAE）、使用第二个网络（GAN）三种方式来进行Representation Learning

来自Manolis Kellis教授的课《人工智能与机器学习》，中间结合李沐老师的两个精读视频（GNN和AlphaFold2）作为补充。本节课主要介绍了几何深度学习、图神经网络主要内容有图神经网络、GNN、GCN、对称性、等变性、信息传递、蛋白质空间结构预测（AlphaFold2）、药物设计（虚拟药物筛选和新药设计）。

数学建模插值算法笔记

清风数学建模课程笔记 更新10蒙特卡洛模拟

来自Manolis Kellis教授的课教了隐马尔可夫在基因组学中的一些应用重点介绍了隐含状态序列解码问题至于序列概率估计和求解参数问题没有细讲。

概述了几种主要的生物信息学数据库，包括核酸序列、蛋白质序列及其结构和专用生物路径数据库。文章从一级核酸数据库开始，详细介绍了GenBank、Ensemble和JCVI等数据库，这些数据库提供了广泛的原核和真核生物的遗传信息。然后是蛋白质数据库，从UniProtKB的基本序列信息到PDB的三维结构信息，以及如Pfam、Cath和SCOP2等二级蛋白质数据库的深入分析。最后，探讨了KEGG和OMIM等

对我们的工作进行一个总结，对很多准备相关比赛的同学还是挺有帮助的，所以还是复盘一下需要论文的pdf版本的，可以在评论区给出邮箱。源代码的话有点乱，我自己现在都不一定理的清了，有需要的话再说。