机器学习 To-do list

这里用来记录自己机器学习的自学安排。详细的内容后续更新。进度会每天更新。

1， 数学知识回顾：导数到梯度：梯度下降算法https://www.imooc.com/article/41390

（√）导数，梯度，泰勒展开(指数运算可以用泰勒展开)，古典概率，频率学派和贝叶斯学派，常见的概率分布，Sigmoid/Logistic 函数。
（√）期望，方差，协方差，相关系数，大数定律，中心极限定理，矩估计（中心矩，原点矩），最大似然估计。
（√）线性代数: SVD，矩阵的乘法，状态转移矩阵，矩阵和向量，特征值和特征向量(对称阵，正交阵，正定阵)，矩阵求导。

（7.23）正在学习： 凸优化：Jensen不等式，对偶函数，最小二乘法，强对偶KKT条件。 

2，python 基本数学公式应用：（7.24）

3，机器学习基本算法：git hub push code。
    3.1 回归: 7.25  code 实现。
    3.2 决策树 随机森林
    3.3 提升
    3.4 XGBoost
    3.5 SVM  code实现
    3.6 聚类
    3.7 EM算法
    3.8 贝叶斯
    3.9 LDA
    3.10 HMM

4，深度学习

10节课 待学习。（10天）

5，项目
    5.1 Airbnb 用户数据分析。（特征工程+机器学习算法 sklearn）（写简历前，在运行一下code，并push到git hub）
    5.2 B站爬虫和弹幕分析。（爬虫技术+NLP 分词，写简历前再次运行code,并push 到git hub）
    5.3 新浪新闻文本分类 （CNN+Tensorflow）（文本分类）（git hub 学习）学完 第4模块CNN。
        （正在学习：7.23-7.25）
           (知识点： TextCNN, Word2Vec )
            (需要学习：https://ai.yanxishe.com/page/course)

    5.4 NLP 相关 （参考AiLearning）
    5.6 参考（NLP 多个小项目）

    5.5 聊天机器人（chatterbot）（待定）
    5.6 对美食评语的情感分析（git hub 参考）
    

6，准备简历 参考面试题目
面试参考：https://blog.csdn.net/qq_17677907/article/details/86448214
                  https://blog.csdn.net/qq_24831889/article/details/85876981