Stanford CS246：Mining Massive Data Sets

请帮我把「Stanford CS246：Mining Massive Data Sets」的学习环境一次准备好，让我之后只需要按顺序学习和做练习。
开始前先问我：课程放在哪个目录（等我给出完整路径），确认我的操作系统和已有工具。确认前不要创建文件或安装软件。

课程入口：https://web.stanford.edu/class/cs246/
我的系统：Windows。如果实际不符，先调整方案。
本次路线：在线学习。只准备这条路线需要的工具；只读路线不安装运行环境、不配置模型密钥。
练习：官方课表依次列出Colab 0–9、Homework 1–4与三次基础Recitation。Colab用于编程练习，Homework包含算法推导和实现；公开自学不提供课程评分。
课节（官方顺序）：
1. Introduction; MapReduce and Spark：https://web.stanford.edu/class/cs246/slides/01-intro.pdf
2. Frequent Itemsets Mining：https://web.stanford.edu/class/cs246/slides/02-assocrules.pdf
3. Recitation: Spark tutorial：https://web.stanford.edu/class/cs246/
4. Locality-Sensitive Hashing I：https://web.stanford.edu/class/cs246/slides/03-lsh.pdf
5. Locality-Sensitive Hashing II：https://web.stanford.edu/class/cs246/slides/04-lsh_theory.pdf
6. Recitation: Linear Algebra：https://web.stanford.edu/class/cs246/
7. Recitation: Probability and Proof Techniques：https://web.stanford.edu/class/cs246/
8. Clustering：https://web.stanford.edu/class/cs246/slides/05-clustering.pdf
9. Dimensionality Reduction：https://web.stanford.edu/class/cs246/slides/06-dim_red.pdf
10. Recommender Systems I：https://web.stanford.edu/class/cs246/slides/07-recsys1.pdf
11. Recommender Systems II：https://web.stanford.edu/class/cs246/slides/08-recsys2.pdf
12. PageRank：https://web.stanford.edu/class/cs246/slides/09-pagerank.pdf
13. Extensions of PageRank to Recommendations and Spam：https://web.stanford.edu/class/cs246/slides/10-spam.pdf
14. Community Detection in Graphs：https://web.stanford.edu/class/cs246/slides/11-graphs.pdf
15. Graph Representation Learning：https://web.stanford.edu/class/cs246/slides/12-graphemb.pdf
16. Graph Neural Networks：https://web.stanford.edu/class/cs246/slides/13-GNNs.pdf
17. Relational Deep Learning：https://web.stanford.edu/class/cs246/slides/14-RDL.pdf
18. Decision Trees：https://web.stanford.edu/class/cs246/slides/15-dt.pdf
19. Mining Data Streams I & II：https://web.stanford.edu/class/cs246/slides/16-streams.pdf
20. Computational Advertising：https://web.stanford.edu/class/cs246/slides/17-advertising.pdf
21. Optimizing Submodular Functions：https://web.stanford.edu/class/cs246/slides/18-submodular.pdf
22. Bandits：https://web.stanford.edu/class/cs246/slides/19-bandits.pdf
23. Guest Lecture: Ruiyang Wang, Anthropic：https://web.stanford.edu/class/cs246/slides/20-guest.pdf

1. 环境
- 用Google账号打开课表中的Colab 0，按notebook的安装单元准备Spark/Python；课程所需版本以该notebook为准。
- 先执行Colab 0的环境准备和小规模示例；不把整个作业全部运行作为环境自检。
- 在自己的Drive保存有权复制的作业副本；对数据上传、GPU付费和长期运行分别确认。
- Colab 0需要学习者核对Google账号与运行权限；匿名页面可打开不等于Spark运行环境已可用。
- 安装前先列出要装的软件和命令，等我同意；已装好的直接复用。
2. 材料
- 官方课程表、材料与作业入口：只记录链接 https://web.stanford.edu/class/cs246/（未核实开放复制许可；只保存官方链接，不批量下载或再分发。）
- Colab 0：只记录链接 https://colab.research.google.com/drive/1TUwrnggqW-90eckeyQaFWe8ZqgWnkPNj（官方练习入口；在平台内按其权限使用，未核实统一开放许可。）
- Colab 1：只记录链接 https://colab.research.google.com/drive/16rTSARfhmMGIKnFhqTrku_lNIqtkzhmv（官方练习入口；在平台内按其权限使用，未核实统一开放许可。）
- Homework 1：只记录链接 https://web.stanford.edu/class/cs246/homework/hw1-bundle.zip（官方练习入口；在平台内按其权限使用，未核实统一开放许可。）
- Colab 2：只记录链接 https://colab.research.google.com/drive/1g2iPmdeBmKmix2b7AhVM_ZNsVpHznSf7（官方练习入口；在平台内按其权限使用，未核实统一开放许可。）
- Colab 3：只记录链接 https://colab.research.google.com/drive/1UUJRRelh4bdz-a-3AT5siLRa7NFQuYUO（官方练习入口；在平台内按其权限使用，未核实统一开放许可。）
- Homework 2：只记录链接 https://web.stanford.edu/class/cs246/homework/hw2-bundle.zip（官方练习入口；在平台内按其权限使用，未核实统一开放许可。）
- Colab 4：只记录链接 https://colab.research.google.com/drive/1osyDmJyFndnCXlQwEV23KUG9HE_Cw43A（官方练习入口；在平台内按其权限使用，未核实统一开放许可。）
- Colab 5：只记录链接 https://colab.research.google.com/drive/1-RMveqBjAbkLnThnFRpIp3VLqWdhgpN_?usp=sharing（官方练习入口；在平台内按其权限使用，未核实统一开放许可。）
- Homework 3：只记录链接 https://web.stanford.edu/class/cs246/homework/hw3-bundle.zip（官方练习入口；在平台内按其权限使用，未核实统一开放许可。）
- Colab 6：只记录链接 https://colab.research.google.com/drive/1M4-dd_WvSu9jJMVtYSUdCJfE0ZKS9qzg?usp=sharing（官方练习入口；在平台内按其权限使用，未核实统一开放许可。）
- Colab 7：只记录链接 https://colab.research.google.com/drive/1M0OsVRU5DdxRcEbbo4x8hE7Lh9dQD-HF?usp=sharing（官方练习入口；在平台内按其权限使用，未核实统一开放许可。）
- Homework 4：只记录链接 https://web.stanford.edu/class/cs246/homework/hw4-bundle.zip（官方练习入口；在平台内按其权限使用，未核实统一开放许可。）
- Colab 8：只记录链接 https://colab.research.google.com/drive/114IiI2Bvo2r1hMimu8XatqCt29ADUryz?usp=sharing（官方练习入口；在平台内按其权限使用，未核实统一开放许可。）
- Colab 9：只记录链接 https://colab.research.google.com/drive/1TsH7JGeWyQ9ccLVF4LTrsGe2MdODhcy9?usp=sharing（官方练习入口；在平台内按其权限使用，未核实统一开放许可。）
3. 目录（最外层放在我确认的位置）
stanford-cs246-2026/
├── README.md        # 课程入口、课节清单、每次怎么开始
├── progress.md      # 每课：读讲义 / 做练习 / 记笔记
├── questions.md     # 待解决的问题
├── check-env.md     # 环境自检，按 README 操作
├── data/            # 练习用到的样例数据
└── lessons/         # 每课一个文件夹：notes.md + exercises/
    ├── 01-lesson-01/
    ├── 02-lesson-02/
    ├── 03-lesson-03/
    ├── 04-lesson-04/
    ├── 05-lesson-05/
    ├── 06-lesson-06/
    ├── 07-lesson-07/
    ├── 08-lesson-08/
    ├── 09-lesson-09/
    ├── 10-lesson-10/
    ├── 11-lesson-11/
    ├── 12-lesson-12/
    ├── 13-lesson-13/
    ├── 14-lesson-14/
    ├── 15-lesson-15/
    ├── 16-lesson-16/
    ├── 17-lesson-17/
    ├── 18-lesson-18/
    ├── 19-lesson-19/
    ├── 20-lesson-20/
    ├── 21-lesson-21/
    ├── 22-lesson-22/
    └── 23-lesson-23/
- 每课文件夹里建 notes.md（顶部写本课官方链接）和 exercises/；课节文件夹名称与上面一致。
- 已有课程目录先检查并复用；不覆盖笔记、作业或 progress.md，不重置已有进度。尚未发布的课节保留入口并注明未发布，不能代写讲义或虚构练习。
4. 自检
- 创建 check-env.md，逐项检查并记录“通过/未通过”：
- 按浏览器或在线 notebook 清单检查，不为自检安装本机终端。
  - 人工检查：打开Colab 0并运行其环境准备单元和第一项小例子  → Python单元成功执行，Spark会话按官方notebook建立；不要求付费GPU。
- 标注为人工检查、浏览器操作或 notebook 单元的项目，按相应方式操作，不直接粘贴进 shell；脚本只包含当前系统可执行的命令。
- 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项；需要登录、付费或尚未开放的材料记为“需要我操作/未验证”，不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。
- 运行一次，把结果给我看；未通过的项目说明原因和修复办法。
5. 学习计划
- README.md：课程入口、课节清单（带链接）、每次学习怎么开始（使用“每课提示词”）。
- progress.md：每课三项勾选——读讲义、做练习、记笔记。
6. 最后分三部分汇报：已完成、需要我自己操作的、尚未验证的。

边界：
- 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。
- 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。
如果你不能直接操作我的文件系统，请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。