学习路径
这里整理计算机科学、数学和机器学习基础。可以从最贴近当前困惑的问题开始：每条短路径先解释概念，再说明它能用在哪里；各条路径可以独立阅读。
为什么输入越多，程序越慢？
时间复杂度解释操作次数和渐近界能说明什么，以及它们为何不能替代实际测速。接着看二分查找：每次把搜索区间缩小一半，如何带来对数级成本？数据和访问方式又需要满足哪些条件？
程序该怎样存储一串数据？
对照数组与动态数组和链表，看下标访问、扩容、遍历与插入各有什么代价。选择时要考虑整套操作，而不只是某一步够不够快。这两篇也能帮助你理解：Python 的 list 为什么是动态数组，而不是链表。
导数能告诉你函数的什么性质？
先读导数的定义，理解描述切线斜率和瞬时变化率的极限。再用临界点分析判断增减区间、极值和凹凸性，并留意哪些情况下判别法不能给出结论。
测试分数高，换个场景还会好用吗？
数据划分与泄漏说明测试如何意外用到预测时本来拿不到的信息。接着读分布变化下的模型评估，把分数与实际使用中的人群、时段、阈值和错误代价联系起来。
只想查一个公式或命令，不需要阅读路径时，可以直接用参考书架。