【学习规划】【更新】记录一下要学习的东西~

也算是督促一下自己吧~
注：以下仅列出博主待学习的一些内容，不是全面的总结清单啦qwq，希望不会给各位带来困扰（毕竟博主渣学习路径相当诡异…）

Ⅰ. 学术：

• ML基础

  • GD（GA），BP √
    

  • SVM 及其二义性 √
    

  • 常用Loss及其数学性质（一二范数，Huber，CE，KL-div，etc） √
    

  • 常用Optimizer原理及其特性（MSGD，RMSprop，Adagrad，Adam，etc） √
    

  • 正则项（L1、L2）特性及其和 weight decay 的关系 √
    

  • Dropout √
    

  • 高斯分布的性质与 Batch-Normalization √
    

  • RNN √
    

    • 基础RNN，LSTM，GRU √
      
    • CTC √
      
    • Attention √
      
    
    

  • CNN √
    

    • 早期：LeNet，Alex与ReLu与并行，VGG √
      
    • skip connect：ResNet，ResNeXt √
      
    • Inception，Xception √
      
    • Mobilenet，其他近期小网络 √
      
    • SE-Module √
      
    • Detection：RCNN系列，FPN √
      
    
    

  • LB smooth，mix-up 等 trick √
    

  • 练手（MNIST、CIFAR） √
    
    
    

• Reinforcement Learning

  • Markov随机过程及其性质 √
    
  • Bellman Equation、State-Value Function √
    
  • Value-Based类方法（Q-Learning，Sarsa，Sarsa-$\lambda$，DQN）及其正确性证明 √
    
  • DQN多种优化（Double，Dueling，Prioritized-Replay，Noisy，Distributional）及优化有效性原因 √
    
  • Policy-Based类方法（Policy-Gradient的Reinforce，TRPO，PPO）及其正确性证明 √
    
  • Actor-Critic类方法（朴素AC，引入Advantage-Function的A2C，异步优化A3C，DDPG，D4PG，最近的SAC，TD3） √
    
  • RL中的特征工程
    
  • RL与MCTS、Min-Max Search √
    
  • Policy Gradient练手：Flappy Bird √
    
  • DQN及其多种优化练手：双人塔防对战 √
    
  • A3C+MMS 练手：五子棋 √
    
    
    

• Auto ML

  • 常见SOTA models
    
  • NAS：One-Shot、DARTS、RL or Population based
    
  • Auto Aug
    
    
    

• 工具

  • scipy，numpy，sklearn √
  • keras(tensorflow2) √
  • pytorch，torchvision，torchscript √
  • ray+hyperopt
  • matplotlib，tensorboardX √
    
    
    

• paper reading

  • 经典网络模型方面
  • RL方面
  • AutoML方面
    
    
    

Ⅱ. 基础知识：

数据结构：

• 线性结构

  • 单调栈 强化 √
    
  • 单调队列 √
    
    
    

• 树状结构

  • 主席树 √
    
  • 差分树状数组
    
  • SBT √
    
  • Treap，FHQ Treap √
    
  • zkw线段树 √
    
  • KDTree √
    
  • 带权并查集 √
    
    
    

算法：

• 动规

  • nlogn LCS √
    
  • 序列dp 强化 √
    
  • 状压dp 强化 √
    
  • 树形dp √
    
  • 数位dp √
    
  • 概率dp √
    
  • 斜率优化和四边形不等式优化 √
    
    
    

• 树上

  • dfs 强化 √
    
  • 非递归回溯 √
    
  • dfs序 √
    
  • 树链剖分 √
    
  • LCA（倍增、RMQ、Tarjan） √
    
    
    

• 图论

  • Dinic及其深度优化 √
    
  • SAP / ISAP √
    
  • 二分图思维 √
    
  • 费用流思维 √
    
  • Johnson多源最短路 √
    
  • 差分约束系统 √
    
  • 2-SAT √
    
  • 第k小生成树 √
    
  • 双连通 √
    
    
    

• 分治

  • CDQ分治 √
    
  • 树分治 √
    
  • 线段树上二分
    
    
    

• 字符串

  • next数组 强化 √
    
  • AC自动机以及Trie图 √
    
  • 后缀自动机
    
    
    

• 计几

  • 点、线段、直线间所有关系 √
    
  • 极角排序 √
    
  • 二维凸包 √
    
  • 三维凸包 √
    
  • 旋转卡壳 √
    
  • 多边形和圆（相交、几何元素位置关系、放缩等） √
    
  • 半平面交 √
    
    
    

• 数论 & 数学杂项

  • CRT √
    
  • 逆元与组合数 √
    
  • 置换群与Polya定理
    
  • 线性递推与矩阵快速幂 √
    
  • FFT，NTT √
    
  • MoBius反演 √
    
    
    
    

Ⅲ. 工程：

• 工具

  • linux、git 常用指令；shell 编程；vim √
  • cmake √
  • $\text{LATEX}$ + Atom √
    
    
    

• 语言

  • C++高级特性：(14)变量模板、泛型Lambda；(17)结构化绑定、Fold表达式 √
    
  • Boost C++：smart_ptr、xpressive
    
  • Python：详尽的特殊语法特性；PEP8 和 pythonic √
    
  • Java及常用框架 √
    
  • JavaScript：了解 √
    
  • HTML，CSS：了解 √
    
    
    

• 思想，范式，设计模式

  • MVP、MVVM：高内聚+低耦合 √
    
  • OOP，IOP √
    
  • DIP、IoC √
    
    
    

• Qt

  • GUI强化练习（重构之前的一些小项目代码） √
    
  • QRC，QSS √
    
  • 多线程 √
    
  • .ui √
    
  • 动画模板练手
    
  • RL游戏AI练手 √
    
  • 了解PyQt √
    
    
    

• OpenCV

  • 熟悉接口（尤其矩阵相关） √
    
  • 配合学习VS √
    
  • win 下 socket+opencv 算法创新和开发 √
    
    
    

路还相当长…但还是要加油鸭