About Me 关于我

展航(Zhanhang)，即将毕业的学生；

一个统计学学生正在想着计算机方向挣扎。

学习学习

之前一直没有把学过的内容总结起来的意识，最近搭了这个GitHub Page，希望能慢慢总结起来方便自己翻查自己的笔记。‘…’ 代表还未接触到的内容，希望自己能持续学习。

• 数学基础
  1. 微积分（Calculus）
  2. 线性代数（Linear Algebra）
  3. 概率论与数理统计（Statistics）
• 统计分析
  1. 回归分析（Regression Analysis）
  2. 时间序列分析（Time Series Analysis）
  3. 主成分分析（Principal Component Analysis）
  4. 因子分析（Factor Analysis）
  5. 聚类分析（Cluster Analysis）
  6. 相关分析（Correlation Analysis）
  7. 对应分析（Correspondence Analysis）
  8. 方差分析(ANOVA/Analysis of Variance)
• 数据可视化
  1. R-ggplot2; plotly
  2. Python-Matplotlib; seaborn; plotly
  3. Dashboard
• 数据挖掘
  1. 标准化 + 异常值检测（预处理）
  2. 数据降维（PCA, kernel PCA, MDS, Isomap）
  3. 模型评估（Generalisation, over/under-fitting, Cross-validation…）
• 机器学习
  1. k近邻法（k-Nearest Neighbors）
  2. 朴素贝叶斯（naïve Bayes）
  3. 支持向量机（SVM）
  4. 决策树（Decision tree）
  5. 集成学习（Ensemble Learning）
  6. k均值聚类（k-Means Clustering）
  7. 关联规则
  8. EM算法（Expectation–maximization algorithm）
  9. 隐马尔可夫模型（HMM）
  10. 条件随机场（CRF）
  11. …

• 推荐系统

• 深度学习

  1. DNN
  2. CNN
  3. RNN（LSTM）
  4. GAN
  5. …
• Python for Machine Learning
  1. scikit-learn
  2. Keras
  3. PyTorch
  4. …
• 计算机视觉
  1. OpenCV
  2. …
• 自然语言处理
  1. …（mark：
     • Stanford CS224n Natural Language Processing with Deep Learning：Bilibili, YouTube
     • Stanford CS224u Natural Language Understanding：Bilibili, YouTube）
• 强化学习（Reinforcement Learning）
  1. …（mark：UCL Reinforcement Learning：Biliblili, YouTube）
• 提升效率的工具
  1. Git（推荐：廖雪峰Git教程）
  2. Linux（Cheat Sheet）
  3. LaTeX

Resources:

• MIT 6.S191: Intro to Deep Learning. Official website: http://introtodeeplearning.com/#schedule （Bilibili; YouTube）