特征值与特征向量、对称矩阵谱分解、主成分方向及与协方差/PCA 的数学衔接。

面向外泌体多组学项目，分别梳理转录组（以 sRNA-seq/miRNA 为主）与蛋白组分析平台应包含的模块、各模块要解决的问题、主流方法、技术难点与预估开发周期。

线性变换、列空间/零空间、矩阵秩、可逆性与 ML 中的维度压缩与欠定/超定方程。

向量与矩阵运算：点积、外积、矩阵乘法、转置、广播规则及 ML batch 计算中的维度对齐。

相关在特征选择中的应用：filter 思路、与标签/表型相关、冗余剔除、共线性、FDR、数据泄漏及 sklearn 示例。

线性代数总论：ML/DL 视角下的向量、矩阵、分解与数值稳定；与 Math-00/02/04 的衔接及选型地图。

梳理本地大语言模型部署的主流框架与工具，从推理引擎、服务层到交互入口分层对比，并给出不同场景下的选型建议。

分类变量相关：Phi 系数、Cramér's V、点二列相关、与卡方检验关系、适用场景、局限及 scipy 示例。

线性代数系列（Math-03）索引：向量/矩阵、特征分解、SVD、范数及 ML/DL/大模型应用衔接。

优化系列（Math-04）索引：凸优化、SGD/Adam、学习率调度及 DL/大模型训练实践。