2024学习计划

计算机组成原理

算法设计与分析

最优化理论与方法

数学建模

深度学习

Book

《动手学深度学习》 — 动手学深度学习 2.0.0 documentation (d2l.ai)

计划

1. 预备知识
2. 深度学习基础（线性神经网络、多层感知机）
3. 深度学习计算
4. 卷积神经网络（LeNet,AlexNet,VGG,Inception,ResNet）
5. 循环神经网络（RNN,GRU,LSTM,seq2seq）
6. 注意力机制（ttention,Transformer）
7. 优化算法及计算性能（SGD,Momentum,Adam,一并行，多GPU，分布式）
8. 计算机视觉（目标检测，语义分割）
9. 自然语言处理（词嵌入，BERT）

斯坦福2021秋季·实用机器学习

资料

Syllabus — Practical Machine Learning (d2l.ai)

计划

1. 数据
2. ML 模型回顾
3. 模型验证
4. 模型组合
5. 协变量偏移
6. 标签移位
7. IID 以外的数据
8. 模型调整
9. 深度网络调优
10. 迁移学习
11. 模型压缩
12. 多模态数据
13. 公平
14. 可解释性

算法

资料

labuladong 的算法笔记

计划

1. 核心框架汇总
2. 手把手刷数据结构
3. 手把手刷动态规划
4. 必知必会算法技巧
5. 通用计算机技术