01 / SELECTED WORK
做过的，正在打磨的。
两个项目，两种探索。
DataMiningFinal
从数据准备到模型对比的时序预测实验。
使用四座城市的病例时间序列，探索基于 ConvTrans 的 Transformer，并与 LSTM、回归基线对比，完成滑动窗口建模与结果可视化。
我关注的研究问题
模型拟合与真实预测能力的区别，以及小样本条件下的评估边界。
- Python
- PyTorch
- pandas
课程探索项目；数据有限，不作为经过验证的实际预测系统。
02 / OPEN SOURCE
把使用中的问题，变成贡献。
这里展示具体贡献，不代表项目维护者身份。PR 的最新状态以仓库记录为准。
03 / FIELD NOTES
学过的，留下可复用的笔记。
ENGINEERING / PYTHON
MACHINE LEARNING / NLP
DEEP LEARNING / ATTENTION
Python 安装与环境配置
解释器、虚拟环境、依赖管理，以及常见报错排查。
自然语言处理：从文本到模型
任务、文本表示与一个可以运行的分类基线。中英双语。
Transformer：结构、注意力与实践
从 Q、K、V 到一个最小 PyTorch 预测模型。中英双语。
旧笔记持续修订，原始发表日期保留；本次正文补全于 2026 年 9 月。
04 / A LITTLE ABOUT ME
不只写代码，
也想弄懂为什么。
我是 happys，也可以叫我开心。正在香港理工大学学习元宇宙技术，关注后端工程、AI 应用，以及模型与真实场景之间的连接。
我习惯先复现问题，再阅读代码、缩小修改范围，最后用测试验证。比起罗列技术名词，我更愿意展示具体做过什么、怎样做，以及哪些地方还有边界。
WORKING WITH
更多关于我 Java / Go / C++ / Rust
Python / PyTorch / Vue / Git / Linux
LET'S MAKE SOMETHING USEFUL
欢迎交流，也欢迎指出问题。
项目问题请在对应仓库发起 Issue；技术交流可以通过 GitHub 或 Telegram 联系。