一、自然语言处理
-
所需预备知识:概率、估计、期望方差、分布、信息熵、向量机等。
这些知识大都在大二阶段学习过,因此现阶段需要做一些复习回顾。 -
课堂中做了一道简单的自然语言处理例题:
假设训练语料S由下面3个句子构成,
(“BROWN READ HOLY BIBLE”,
“MARK READ A TEXT BOOK”,
“HE READ A BOOK BY DAVID”)
用计算最大似然估计的方法计算概率p(BROWN READ A BOOK)
二、数据可视化
-
学习D3可视化需要的一些基础知识
HTML
CSS
JavaScript
DOM
SVG -
对于ECharts上的实例样本要有一定了解。
三、网络爬虫
- 简单的介绍了八爪鱼采集器和后裔采集器及他们的操作方法。
- 需要对html语言有一定的了解,以便修改采集格式针对多样的网站。
四、应用随机过程
- 课程预备知识:概率论、线性代数、高等数学。因此也需要一定的复习回顾。
- 课堂中对预备知识进行了简单的回顾,并引出了一个新知识点——“矩母函数”。
- 这个网站包含了常用概率分布的矩母函数及方差期望,并有推导过程。
https://blog.csdn.net/STcyclone/article/details/84310450
五、统计预测与决策,多元统计分析
- 是对统计学的进一步深入,因此需要对于上学期的统计学知识做一定复习回顾。
总而言之,新学期的课程还是有点难度,而且对于数学有很高的要求,由于时间的推移我对之前的数学知识略有遗忘,因此复习回顾是我现在的首要目标,然后才能在此基础上对新知识有更好的理解。