汇总（更新）

统计学习方法

统计学习方法——统计学习基础（一）
统计学习方法——统计学习基础（二）
统计学习方法——感知机（一）
统计学习方法——感知机（二）
统计学习方法——K近邻法【k-NN】（一）
统计学习方法——K近邻法【k-NN】（二）
统计学习方法——K近邻法【k-NN】（三）
统计学习方法——朴素贝叶斯（一）
统计学习方法——朴素贝叶斯（二）
统计学习方法——决策树（一）
统计学习方法——决策树（二）
统计学习方法——决策树（三）
统计学习方法——逻辑斯蒂回归与最大熵模型（一）
统计学习方法——逻辑斯蒂回归与最大熵模型（二）
统计学习方法——逻辑斯蒂回归与最大熵模型（三）
统计学习方法——支持向量机（一）
统计学习方法——支持向量机（二）
统计学习方法——支持向量机（三）
统计学习方法——支持向量机（四）
统计学习方法——支持向量机（五）
统计学习方法——提升方法（一）
统计学习方法——提升方法（二）
统计学习方法——提升方法（三）
统计学习方法——EM算法及其推广（一）
统计学习方法——EM算法及其推广（二）
统计学习方法——EM算法及其推广（三）
统计学习方法——隐马尔可夫模型（一）
统计学习方法——隐马尔可夫模型（二）

操作系统

操作系统概述
进程管理
内存管理
文件管理
I/O管理

黑客攻防技术宝典

黑客攻防技术宝典——浏览器

浏览器安全概述
初始控制
持续控制
绕过同源策略
攻击用户
攻击浏览器
攻击扩展
攻击插件
攻击Web应用
攻击网络

基于深度学习的自然语言处理

基于深度学习的自然语言处理——介绍
基于深度学习的自然语言处理——学习基础与线性模型
基于深度学习的自然语言处理——从线性模型到多层感知机
基于深度学习的自然语言处理——前馈神经网络
基于深度学习的自然语言处理——神经网络训练
基于深度学习的自然语言处理——文本特征构造
基于深度学习的自然语言处理——NLP特征的案例分析

Python与自然语言处理

Python与自然语言处理——中文分词（一）
Python与自然语言处理——中文分词（二）
Python与自然语言处理——词性标注与命名实体识别（一）
Python与自然语言处理——关键词提取算法（一）
Python与自然语言处理——关键词提取算法（二）
Python与自然语言处理——句法分析
Python与自然语言处理——文本向量化（一）

逆向

逆向——汇编
逆向——基础分析（一）
逆向——反调试
逆向——异常处理
逆向——VB调试
逆向——脱壳

0day安全

基础知识
栈溢出原理与实践
开发shellcode的艺术
用MetaSploit开发Exploit
堆溢出利用
形形色色的内存攻击技术
其他类型的软件漏洞
Windows安全机制概述
GS安全编译
SafeSEH
DEP
ASLR
SEHOP
保护下的堆
漏洞挖掘技术概述

逆行工程核心原理

关于逆向工程
小端序标记法
IA-32寄存器基础
栈
分析abex’ crackme #1
栈帧
abex’ crackme #2
函数调用约定
PE文件格式
运行时压缩
基址重定位表
从可执行文件中删除.reloc节区
UPack PE头文件分析
UPack–查找OEP
内嵌补丁
Windows消息钩子
DLL注入
DLL卸载

美团机器学习实践

《美团机器学习实践》随笔（一）