【学习规划】【更新】记录一下要学习的东西~

也算是督促一下自己吧~

Ⅰ. 科研：

• ML/DL 基础

  • 经典模型：SVM，Kernel √
    

  • Learning 优化：频率派，贝叶斯派 √
    

  • Learning 优化：常用Loss及其性质 √
    

  • Learning 优化：常用Optimizer及其性质 √
    

  • Learning 优化：最大后验估计训练，正则项，Weight Decay √
    

  • 模型：Dropout √
    

  • 模型：Normalization √
    

  • 模型：RNN √
    

    • 基础RNN，LSTM，GRU √
      
    • CTC √
      
    • Attention √
      
    • Transformer √
      
      
      

  • 模型：CNN √
    

    • skip connect：ResNet，ResNeXt √
      
    • Inception，Xception √
      
    • Mobilenet，其他近期小网络 √
      
    • SE-Module √
      
    • Detection：RCNNs，YOLOs √
      
    
    

  • tricks：LB smooth，mix-up, data augmentation √
    

  • 练手（MNIST、CIFAR） √
    
    
    

• Reinforcement Learning

  • Markov Decision Process √
    
  • Bellman Equation、State-Value Function √
    
  • Value-Based类方法（Q-Learning，Sarsa，Sarsa-$\lambda$，DQN） √
    
  • DQNs（Double，Dueling，Prioritized-Replay，Noisy，Distributional） √
    
  • Policy-Based类方法（Policy-Gradient的Reinforce，TRPO，PPO） √
    
  • Actor-Critic类方法（A2C，A3C，DDPG，D4PG；最近的SAC，TD3） √
    
  • RL中的特征工程
    
  • RL+MCTS、Min-Max Search √
    
  • Policy Gradient练手：Flappy Bird √
    
  • DQN及其多种优化练手：塔防对战 √
    
  • A3C+MMS 练手：五子棋 √
    
    
    

• Auto ML

  • 常见SOTA models
    
  • NAS：One-Shot、DARTS、RL or Population based
    
  • Auto Aug
    
    
    

• 工具

  • scipy，numpy，pandas，sklearn √
  • keras(tensorflow2) √
  • pytorch，尤其是autograd、DataLoader、distributed √
  • 画图的，matplotlib+seaborn，tensorboardX √
    
    
    

Ⅱ. 基础知识：

数据结构：

• 线性结构

  • 单调栈 强化 √
    
  • 单调队列 √
    
    
    

• 树状结构

  • 主席树 √
    
  • 差分树状数组
    
  • SBT √
    
  • Treap，FHQ Treap √
    
  • zkw线段树 √
    
  • KDTree √
    
  • 带权并查集 √
    
    
    

算法：

• 动规

  • nlogn LCS √
    
  • 序列dp 强化 √
    
  • 状压dp 强化 √
    
  • 树形dp √
    
  • 数位dp √
    
  • 概率dp √
    
  • 斜率优化和四边形不等式优化 √
    
    
    

• 树上

  • dfs 强化 √
    
  • 非递归回溯 √
    
  • dfs序 √
    
  • 树链剖分 √
    
  • LCA（倍增、RMQ、Tarjan） √
    
    
    

• 图论

  • Dinic及其深度优化 √
    
  • SAP / ISAP √
    
  • 二分图思维 √
    
  • 费用流思维 √
    
  • Johnson多源最短路 √
    
  • 差分约束系统 √
    
  • 2-SAT √
    
  • 第k小生成树 √
    
  • 双连通 √
    
    
    

• 分治

  • CDQ分治 √
    
  • 树分治 √
    
  • 线段树上二分
    
    
    

• 字符串

  • next数组 强化 √
    
  • AC自动机以及Trie图 √
    
  • 后缀自动机
    
    
    

• 计几

  • 点、线段、直线间所有关系 √
    
  • 极角排序 √
    
  • 二维凸包 √
    
  • 三维凸包 √
    
  • 旋转卡壳 √
    
  • 多边形和圆（相交、几何元素位置关系、放缩等） √
    
  • 半平面交 √
    
    
    

• 数论 & 数学杂项

  • CRT √
    
  • 逆元与组合数 √
    
  • 置换群与Polya定理
    
  • 线性递推与矩阵快速幂 √
    
  • FFT，NTT √
    
  • MoBius反演 √
    
    
    
    

Ⅲ. 工程：

• 工具

  • linux、git；shell 编程；vim √
  • cmake、make √
  • tex √
    
    
    

• 语言

  • 高版本C++特性：(14)变量模板、泛型Lambda；(17)结构化绑定、Fold表达式 √
    
  • Boost C++：smart_ptr、xpressive
    
  • Python：详尽的特殊语法特性；PEP8 和 pythonic √
    
  • Java及常用框架 √
    
  • JavaScript：了解 √
    
  • HTML，CSS：了解 √
    
    
    

• 思想，范式，设计模式

  • MVP、MVVM：高内聚+低耦合 √
    
  • OOP，IOP √
    
  • DIP、IoC √
    
    
    

• Qt

  • GUI强化练习（重构之前的一些代码） √
    
  • QRC，QSS √
    
  • 多线程，锁，同步 √
    
  • .ui √
    
  • 动画模板
    
  • RL游戏AI √
    
  • 了解PyQt √
    
    
    

• OpenCV

  • 熟悉接口（尤其矩阵相关） √
    
  • 配合学习VS √
    
  • socket；opencv √
    
    
    

路还相当长…但还是要加油鸭