OSN博士必须掌握的必杀技(更新至2017/12/15)

以下内容更新至2017.12.15

---

1.概率图模型

1.1 Representation

1.1.1 The Bayesian Network Representation

1.1.2 Undirected Graphical Models

1.1.3 Local Probabilistic Models

1.1.4 Template-Based Representations

1.1.5 Gaussian Network Models

1.1.6 The Exponential Family

---

1.2 Inference

1.2.1 Variable Elimination

1.2.2 Clique Trees

1.2.3 Inference as Optimization

1.2.4 Particle-Based Approximate Inference

1.2.5 MAP Inference

1.2.6 Inference in Hybrid Networks

1.2.7 Inference in Temporal Models

---

1.3 Learning

1.3.1 Parameter Estimation

1.3.2 Structure Learning in Bayesian Networks

1.3.3 Partially Observed Data

1.3.4 Learning Undirected Models

---

1.4 Actions and Decisions

1.4.1 Causality

1.4.2 Utilities and Decisions

1.4.3 Structured Decision Problems

---

2. 十大经典机器学习算法

2.1 K近邻(KNN)

2.2 K-means

2.3 朴素贝叶斯

2.4 决策树

2.4.1 ID3

2.4.2 C4.5

2.5 logistic回归与最大熵模型

2.6 支持向量机

2.7 AdaBoost/提升树

2.8 EM

2.9 隐马尔可夫

2.10 条件随机场

2.11 简单的预测

2.11.1 最小二乘法

2.11.2 径向基网络

2.11.3 岭回归

---

3. 基本的deep learning算法

3.1 卷积神经网络

3.2 循环/递归神经网络

3.3 自编码器

3.4 线性分解机

3.5 玻尔兹曼机

3.6 深度置信网络

3.7 蒙特卡洛方法

---

4. 比较前沿的deep/machine learning 算法

4.1 represent learning

4.2 structured probabilistic models for deep learning

4.3 注意力机制

4.4 强化学习

---

5. 通用算法

5.1 random walk

5.2 图

5.2.1 图的表示

5.2.2 图的搜索

5.2.3 拓扑排序/强连通分量

5.2.4 最小生成树

5.2.5 单源最短路径

5.2.6 成对最短路径

5.2.7 最大流

5.3 树与二叉树

5.4 查找与排序

5.5 表/栈/队列

5.6 分治

5.7 递归

5.8 线性规划

5.9 贪心算法

5.10 摊还分析

5.11 多线程算法

5.12 矩阵运算

5.13 傅立叶变换

5.14 数论算法

5.15 字符串匹配

5.16 计算几何

5.17 NP完全性

5.18 近似算法

---

6. 简单的凸优化理论

---

7. 元路径与异构信息网

---

8. 基本的多媒体

基本的图片处理与音频/视频处理技术

---

9. 基本的编程能力

9.1 科学研究必备

9.1.1 Python

9.1.2 Matlab

9.1.3 Keras

9.1.4 Tensorflow

9.2 打造你的小型项目

9.2.1 Node.js

9.2.3 JavaScript

9.2.4 Python-Django

9.2.5 html

9.2.6 css

9.5 让想法变成现实

9.5.1 Swift

9.5.2 Azure

9.5.3 React Native

---

10. 基本的NLP

10.1 了解分词技术

10.2 NLP中的概率图模型

10.3 词性标注与命名实体识别

10.4 句法分析

10.5 语义网

10.6 机器翻译

10.7 对话机器人

10.8 语言模型和经典理论

10.8.1 LDA

10.8.2 skip gram

10.9知识图谱与本体

11. 时间序列分析

11.1 波松过程

11.2 高斯过程

---

12. 基本的推荐方法

12.1 协同过滤

12.2 矩阵分解理论

---

13. 社会媒体挖掘

13.1 复杂网络基础

13.2 社区发现

13.3 信息传播与影响力

13.4 行为分析与预测