学习规划

能力画像

1 工程实现能力 C++ Python （偏数据分析和算法）===》基础

（1）学习通道：基础语法和数据结构

（2）工具：IDE （pycharm）

（3）项目：数字图像处理计算机视觉

2 数理分析数理统计基础 《数据分析》和《统计学》===》基础

3 kaggle 天池比赛 leetcode ==》训练场=》进阶Python编程能力和对机器学习，计算机视觉领域知识的理解

4 计算机视觉、机器学习、图像/视频分析与处理等相关领域技术和应用，有大量实践经验 ===》方向

5 机器学习算法、模式识别、深度学习、增强学习、最优化===》方法

6 linux开发，大规模数据处理===》平台

7 caffe\tensorflow\pytorch\MXnet\spark\XGBoost===》框架

8 阅读和撰写英文论文===》充电

学习路线

1 学习Python编程基础：数据获取 --> 数据清洗 --> 特征工程 --> 机器学习模型 --> 可视化 （2个计算机视觉kaggle项目+3个结构化数据分析项目+1个包括爬虫的项目）

		      刷leetcode

2 tensorflow + pytorch + MXnet巩固：分别复现5篇目标识别论文 --> XGBoost学习 --> 选择一个框架实现增强学习复现（GitHub）
3 C++学习

4 linux学习《鸟叔的私房菜》

5 mysql（oracle）

6 Hadoop + 分布式存储（Hive）

7 理论强化：《数据分析》、《统计学》

时间规划

学习路线1

项目一：结构化数据分析项目（1周）

（1）分类项目： Digital Recognition（2天）
（2）回归项目：Titanic（2天）、Advanced Regression Techniques（2天）
（3）出一篇总结

项目二：计算机视觉项目（1周）

（1）目标分类：猫狗大战（3天）
（2）目标识别：Airbus Ship Detection Challenge（3天）
（3）出一篇总结

kaggle分类比赛的套路：

1 模型
blending重量级三剑客：

Resnet50
Inception-Resnet-v2
EfficientB7
blending轻量级三剑客：

Resnet18
Inceptionv4
EfficientB0
blending超轻量级三剑客：

mobilenetv2
shufflenetv2
squeezev1.1
2 数据
Autoaugment
Cutout
Random erasing
3 目标函数
Focal Loss
Arc Margin
Cos Margin
4 优化算法
Warmup
SGD

项目三：Python爬虫与数据分析（1周）

《Python爬虫开发与项目实战》
《利用Python爬虫爬取淘宝商品做数据挖掘分析》
未完待续…
##学习路线2
##学习路线3
##学习路线4
##学习路线5
##学习路线6
##学习路线7