作为c++零基础的新手，简单地写一个学习计划以及打卡
部分计划来源于chatgpt以及其他教学类博主的文章，欢迎指正。
1：编程（数据结构与算法）学习计划
第1周
读完《算法导论》第2章，学习插入排序、归并排序和堆排序，并进行相关的练习。
学习数据结构中的线性表，包括顺序表、链表和栈，完成相应的练习。
学习C++中的基本语法和数据类型，并写一些简单的程序练手。
第2周
读完《算法导论》第3章，学习选择排序、快速排序和线性时间排序，并进行相关的练习。
学习数据结构中的队列和双向链表，并完成相应的练习。
学习C++中的流、文件和指针，并写一些简单的程序练手。
第3周
读完《算法导论》第4章，学习最大子数组问题和矩阵乘法，并进行相关的练习。
学习数据结构中的树，包括二叉树和堆，完成相应的练习。
学习C++中的面向对象编程，包括类、继承和多态，并写一些简单的程序练手。
第4周
读完《算法导论》第6章，学习图的基本算法，包括广度优先搜索和深度优先搜索，并进行相关的练习。
学习数据结构中的哈希表和并查集，并完成相应的练习。
学习C++中的模板和STL容器，并写一些简单的程序练手。
第5周
读完《算法导论》第7章，学习最短路径算法和最小生成树算法，并进行相关的练习。
学习数据结构中的图，包括邻接矩阵和邻接表，并完成相应的练习。
学习C++中的STL算法和迭代器，并写一些简单的程序练手。
第6周
读完《算法导论》第8章，学习字符串匹配算法，并进行相关的练习。
学习数据结构中的优先队列和二叉搜索树，并完成相应的练习。
学习C++中的异常处理和线程，并写一些简单的程序练手。
第7周
读完《算法导论》第10章，学习贪心算法和动态规划算法，并进行相关的练习。
学习数据结构中的平衡树和B树，并完成相应的练习。
学习C++中的内存管理和
第8周：图论算法
阅读《算法竞赛入门经典》第9章、第10章
完成练习题目和题集
完成《算法基础课》第四章：图论算法
第9周：字符串算法
阅读《算法竞赛入门经典》第12章、第13章
完成练习题目和题集
完成《算法基础课》第五章：字符串算法
第10周：高级数据结构
阅读《算法竞赛入门经典》第6章、第7章
完成练习题目和题集
完成《算法基础课》第六章：高级数据结构
第11周：动态规划算法
阅读《算法竞赛入门经典》第14章
完成练习题目和题集
完成《算法基础课》第七章：动态规划算法
第12周：贪心算法
阅读《算法竞赛入门经典》第15章
完成练习题目和题集
完成《算法基础课》第八章：贪心算法
第13周：复习与总结
复习前面所有章节内容
完成模拟测试题目和考试题目
总结学习笔记和经验，准备应对实际问题的算法设计与实现
2. 数学学习计划 book：mathematics for machine learning（MIT）
第一周（复习）：
学习线性代数的基本概念，如向量、矩阵、行列式和特征值等。
学习线性代数的基本运算，如矩阵乘法、向量加减法和矩阵的逆等。
学习线性代数的应用，如线性回归和主成分分析等。
第二周（复习）：
学习多元微积分的基本概念，如极限、导数和积分等。
学习多元微积分的基本运算，如链式法则、偏导数和梯度等。
学习多元微积分的应用，如概率密度函数和最优化问题等。
第三周：
学习矩阵分解的基本概念，如奇异值分解和特征值分解等。
学习矩阵分解的应用，如主成分分析和矩阵压缩等。
学习矩阵分解的算法，如QR分解和LU分解等。
第4——5周：
学习概率论的基本概念，如随机变量、期望和方差等。
学习概率论的基本分布，如正态分布、伯努利分布和泊松分布等。
学习概率论的应用，如贝叶斯推断和隐马尔可夫模型等。
第6——8周：
学习信息论的基本概念，如熵、交叉熵和相对熵等。
学习信息论的应用，如信息压缩和错误纠正等。
学习信息论的扩展，如无监督学习和生成模型等。
第9——10周：
学习凸优化的基本概念，如凸函数、凸集和最小化凸函数等。
学习凸优化的基本算法，如梯度下降、牛顿法和拟牛顿法等。
学习凸优化的应用，如线性规划和二次规划等。
第11——13周：
复习前六周所学内容，加深对知识点的理解和记忆。
学习机器学习算法的基本原理和应用，如线性回归、逻辑回归和支持向量机等。
开始进行实践项目，可以从Kaggle等机器学习竞赛平台
3.高等数学学习计划
第1——2周：
多元函数以及多元向量值函数概念，微分，导数等。
空间曲线基本知识。
第3——5周：
多元数量值函数积分，二重，三重积分。
线积分面积分场论。
第6——8周：
无穷级数。
第9——16周：
复习知识，找一套配套习题开刷。
复习线性代数相关知识。