知识点
- 机器学习
- Q-learning
- 朴素贝叶斯
- 高斯混合模型
- 隐 Markov 模型
- 测度论
- 混淆矩阵
- ROC 曲线
- p值
- SVM
- 凸优化
- 梯度下降
- 二次规划
- 拉格朗日
- 偏微分方程
- 深度学习
- 深度置信网或者层叠降噪自动编码机 / Deep Belief Nets or Stacked Denoising Autoencoders
- 卷积神经网络（CNN）
- 长短记忆（LSTM）时间递归神经网络
- 结构递归神经网络（通常用于自然语言处理）
- word2vec 神经网络以及相关通过上下文学习词语的相关算法
- 单指令流多数据流（SIMD）向量计算（比如说GPU)
概率统计
算法
- 邹博算法课
- Stanford Algorithm Specialist
- LeetCode
- 数据库
- 分布式数据库
- Linux：在服务器上部署，处理数据
- 《Unix入门经典》
- cat 、grep 、find 、awk 、sed 、sort 、cut 、tr
- 编程语言
- Python
- Coursera 《用Python玩转数据》
- Java
- Python
学习计划
- 前三个月
- LeetCode ，算法题200道题
- 完成deeplearning.ai
- 完成《用Python玩转数据》
- 看完邹傅算法课
- 完成3门Stanford 算法课
- 完成李宏毅的深度学习课程
- 后三个月
- LeetCode，算法题250道题
- 实战
- 《集体智慧编程》
- 面经
- 实验室实习
执行情况
- 第一个月
- 第一周
- 搭建hexo
- 设置搬瓦工
- LeetCode 分治算法题（9）
- 第二周
- 算法
- 链表 & 栈
- LeetCode：16
- MLDS
- 俩次课
- Python
- 俩次课
- 博客
- 三篇题解
- 算法
- 第一周
总结——4.13
- 林轩田——机器学习基石week8
- 机器学习模型
- 感知机算法
- VC dimension
- 误差估计
- Udacity——P2
- 模型评估
- 算法
- 数组
- 字符串
- 链表&栈
- 《用Python玩转数据》: 完成
- LeetCode——28题
机器学习基石得搁置，比想象中难，对数学要求比较高，涉及的统计和线性代数知识点，老师不会单独点出，默认上课的同学已经掌握。需要一定的数学基础
下一阶段打算以Udacity课程为基础，学习算法，Stanford的statistics Learning，凸优化
总结：完成情况不好，