算法-从入门到入坑

一、理论

理论主要是机器学习和深度学习的知识储备

1、机器学习

（1）指标：

①回归：MAE（绝对值）、MSE（均方）、RMSE（均方根）、R2
②分类：准确率、精确率、召回率、F1-score、ROC、AUC

（2）线性回归

（3）LR

（4）SVM

（5）决策树：ID3、C4.5、CART

（6）集成算法：

①Bagging：RF
②Boosting：Adaboost、GBDT、Xgboost、Lightgbm、Caboost

2、深度学习

（1）DNN（推荐、搜索方向）

（2）RNN、fast-RNN

（3）LSTM（NLP方向）

（4）CNN（CV方向）

3、强化学习

（1）强化学习基础

（2）深度强化学习

4、推荐搜索

（1）FM、FFM、DeepFM（DNN+FM）、nFFM（DNN+FFM）

（2）PNN、DCN

（3）NFM、AFM

（4）DIN

（5）XDeepFM

（6）DeepCTR官网

二、技能

1、Python

（1）列表

（2）字典

（3）函数

（4）面向对象编程相关知识（对比C++区别）

（5）内存相关知识（函数传值还是传引用）

（6）生成器、迭代器

2、Pandas等库

3、数据结构和算法

（1）字符串

（2）字典（哈希表）

（3）数组

（4）栈和队列

（5）指针

（6）链表

（7）树

（8）图

（9）堆

（10）动态规划（DP）

（11）贪心算法

（12）深度优先搜索（DFS）

（13）广度优先搜索（BFS）

（14）排序算法

4、大数据工具

（1）Spark

（2）Hadoop

（3）Hive

5、数据库

（1）sql

6、并行计算

（1）MPI

三、比赛

（1）回归：预测类比赛

（2）分类：点击率预估、反欺诈

（3）NLP：关注科赛

（4）CV：之江实验室、天池

（5）步骤：

①数据清洗
②特征工程
③模型调优（多个模型）
④模型融合（blending、stacking）

四、其他

（1）比赛资讯：github

（2）Leetcode

（3）CSDN

（4）积极做比赛

（5）发表专业相关论文