今天，我建立了自己的个人博客。这里将会记录我的学习、项目、生活与思考， 也会作为一个长期整理知识和观察自我的地方。

本文记录机器学习课程第二章复习笔记，主要内容包括机器学习的定义、任务类型、模型训练方法、模型评估核心概念（泛化、欠拟合、过拟合）以及模型选择方法（超参数、验证集、交叉验证）。通过线性回归的例子，详细介绍了损失函数、最小二乘法和梯度下降法，并讨论了回归评价指标（MSE 和 RMSE）。最后总结了本章的核心内容和必须掌握的知识点。

本文记录我对 Kolmogorov-Arnold Network（KAN）模型 FPGA 加速器设计的初步理解与规划， 包括 KAN 的计算特点、硬件加速动机、可能的 FPGA 架构设计以及后续实验计划。