做了的事和计划做的一些事

书籍:

1. <机器学习实战>
   已看完，GitHub代码已完成(书中代码是python2,我的是python3)。强烈推荐此书
   链接:https://github.com/hyc2017/MachineLearningInAction
2. <集体智慧编程>
   已看完。GitHub代码已完成(书中代码是python2,我的是python3)。强烈推荐此书
   链接:https://github.com/hyc2017/collectiveintelligence
3. <利用Python进行数据分析>
   已看完。工具书
4. <推荐系统实践>
   已看完。挺好的一本书，看完基本对推荐系统有一定认识了。
5. <统计学习方法>(李航老师)
   已看完。理论书。SVM这一章讲的非常好。
6. <数据挖掘导论>
   囫囵吞枣的看，毕竟是导论，讲的不细。可以当作一个学习的目录，有什么想了解的再从里面找。参考文献很多这一点很好。
7. <机器学习>–周志华
   正在看。
8. python cook book
9. pattern recognition and machine learning
10. elements of statistical learning

---

视频:

1. Machine Learning Foundations。台大林轩田老师。
   已看完。计划GitHub习题补完。非常好的一门课，强烈推荐
2. Machine Learning Technics。台大林轩田老师。
   已看完。计划GitHub习题补完。强烈推荐这门课。
3. Algorithms.普林斯顿大学Robert Sedgewick教授的一门算法课。对应的书是<算法>第四版。
   正在看书。
4. MIT Linear Algebra by Gilbert Strang
   课程链接:https://ocw.mit.edu/courses/mathematics/18-06-linear-algebra-spring-2010/
   2018/03/06-2018/03/19,视频及笔记，完成！
   正在补全习题集(已补全到第七集)
5. Essence of calculus
   课程链接:https://www.youtube.com/watch?v=WUvTyaaNkzM&list=PLZHQObOWTQDMsr9K-rj53DwVRMYO3t5Yr
6. Introduction to Probability
   课程链接:https://courses.edx.org/courses/course-v1:MITx+6.041x_4+1T2017/course/
7. Algorithm Design and Analysis
   课程链接:https://courses.edx.org/courses/course-v1:PennX+SD3x+2T2017/course/
8. Convex Optimization。斯坦福大学的Stephen Boyd老师的凸优化课程。课程链接如下:
   http://web.stanford.edu/~boyd/cvxbook/ (包含pdf和课后习题)
   先搁置，看完线代和微分之后再看这个。
9. Machine Learning。Andrew NG
   正在看。

---

编程网站:

1. LeetCode
   免费题目已经做完。挺好的一个网站(全英文)。关键点是人多，可以探讨各种解法。而且通过post问题，描述自己的解答方案可以锻炼自己的英文表达能力。
   
   
   简单题目192道，中等题目313道，困难题目128道。总计633道

2. GeekForGeek
   很好的一个网站。leetcode主要以题型分类，而GeekForGeek有各种分类，我一般在LeetCode上面遇到什么没见过的算法就会到这里找。

3. Algorithmist
   最近发现的一个网站。好处是很纯净，只有数据结构和算法相关的东西，而且还有各大竞赛平台的题目。

4. Codeforces
   计划是等LeetCode题目和题解做完后开始

---

近期计划:

• <机器学习实战>,Github代码(已完成)
• <集体智慧编程>,Github代码(已完成)
• MIT<线性代数>(2018/03/06-2018/03/19,视频及笔记，完成！)
• <微分>(开坑~)
• <概率论>
• <算法分析>
• MIT<算法第四版>
• Andrew NG的<机器学习>视频
• leetcode刷完了，后续加上python代码的同时会补上问题分析，代码会同步上传到GitHub
• 最近光刷题了。接下来每天算法和数据结构当然也不会懈怠，可是重心更多地会放到机器学习上面来~

---

持续更新~~~
你若是天才，我便是疯子。与君共勉~