学习进度

所有进度在我博客里都有详细的笔记 传送门:http://blog.leanote.com/cate/fengmaster/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0

第一周(10.24-10.29)

由于我之前从来没有了解过机器学习相关的东西,我甚至连机器学习是干嘛的都不知道,所以一切从0开始

10.24

首先我查阅了一些入门资料,但大部分资料都建立在有一定基础上才能看的懂,后来转向了入门资料的查找,不约而同的都指向了斯坦福大学的Andrew Ng在coursera上的关于机器学习的入门基础视频教程

https://www.coursera.org/learn/machine-learning

(好吧,翻墙实在是慢,最近由于我们的XXX,搞的梯子都不好用了,推荐下b站的搬运视频[而且翻译比coursera全面])

但我看了下coursera上的课程安排,一共11周,时间太长了,打算尽可能快的学习完毕,具体速度看这几天的学习情况再定

学习内容

coursera第一周上半部分

1. 大致上了解了机器学习所做的领域和作用
2. 了解了监督学习( Supervised learning )和非监督学习的定义和一些例子
3. 了解了类聚算法,分类算法的作用
4. 复习了一下微积分的基础概念和简单计算

10.25

继续coursera的课程第一周的下半部分

1. 学习了解了监督学习中的回归问题
2. 学习了解了代价函数(cost function)的定义和作用
3. 学习了解了假设函数的定义和作用
4. 学习了解了单个参数下线性回归问题(梯度下降法)的简单思考过程
5. 复习了线代中矩阵部分的基础知识

10.26

继续coursera的课程第二周上半部分

1. 学习了解了特征缩放的使用和使用场景
2. 学习了解了归一化的使用和使用场景
3. 学习了解了多项式回归的使用
4. 了解了什么叫数据拟合
5. 初步了解了正规方程法
6. 了解了正规方程法和梯度下降法的优点和缺点,和适用的场景

10.27-10.28

继续coursera课程第二周下半部分

1. 了解coursera的语法

10.29

1.完成第二周编程作业:线性回归问题,并且完成了附加部分(多参数)

10.30-11.5

有事在忙,现在还没更新,进度比原来慢了点,因为有几天有事.

11.6-11.7

小手术住院啦,进度慢了点

完成coursera的课程第三周的学习

1. 学习了解了二元分类算法
2. 学习了解了多元分类算法
3. 了解了一些高级的优化算法的使用

11.8

随便找个博客,开始入手了解下推荐系统(我也不知道这个毕业设计本质上是不是推荐系统,个人觉得挺像)

基于内容的推荐（Content-based Recommendations）

协同过滤算法

11.9

学习了coursera的过拟合部分

11.11

了解了简单的神经网络相关内容,好难.

11.12

最近感觉状态不好,调整学习状态,在看一些入门科普性质的博文

一入侯门“深”似海，深度学习深几许（深度学习入门系列之一）

人工“碳”索意犹尽，智能“硅”来未可知（深度学习入门系列之二）

11.13

神经网络不胜语，M-P模型似可寻（深度学习入门系列之三）

“机器学习”三重门，“中庸之道”趋若人（深度学习入门系列之四）

Hello World感知机，懂你我心才安息 (深度学习入门系列之五)

11.14

损失函数减肥用，神经网络调权重（深度学习入门系列之六）

山重水复疑无路，最快下降问梯度（深度学习入门系列之七）

BP算法双向传，链式求导最缠绵（深度学习入门系列之八）

全面连接困何处，卷积网络见解深（深度学习入门系列之九）

卷地风来忽吹散，积得飘零美如画（深度学习入门系列之十）

局部连接来减参，权值共享肩并肩（深度学习入门系列之十一）

11.15

激活引入非线性，池化预防过拟合（深度学习入门系列之十二）

循环递归RNN，序列建模套路深（深度学习入门系列之十三）

LSTM长短记，长序依赖可追忆（深度学习入门系列之十四）

11.16-11.19

休息

11.20

去github上找了一天的爬虫,然而没几个能用的,不过学到了点东西,准备自己写

11.21

入门py,我并不打算花很长时间学习,我直接选了廖学峰的py教程

https://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000

预计花一个周左右

11.22-11.25

学习完py的基本语法

11.26

学习了下爬虫框架scrapy的使用

11.27

想偷懒上github找爬虫的,后来发现都不合乎自己的要求,浪费了一天

11.28-11.29

开始自己写爬虫,具体进程我明天再在github上新建个工程.

11.30

爬虫好像能正常工作了,就是慢了点,优化的事情之后再说,现在起码有部分数据了,剩下的工作是开始了解具体需要做的步骤

爬虫github传送门: https://github.com/FENG-MASTER/ZhihuSpider

12.1

1. 初步了解中文分词
2. 初步了解关键词提取
3. 初步了解机器学习在搜索引擎中的运用,了解到了LTR,打算采用Listwise的训练方法,正在学习ListNet具体实现

http://blog.csdn.net/eastmount/article/details/43341907

12.29

之前休息外加考试复习和考试去了

12.30

先看了下LTR的一个简单的PRank算法

http://blog.csdn.net/eastmount/article/details/43080791

准备再了解下LTR的其他算法

1.3

撰写开题报告 准备其他一些开题材料等

###1.4-1.6### 正在编写正向索引相关代码

相关代码我完成这部分后会上传github管理一下

###1.14###

刚刚到家,明天开始更

###1.15###

1. 增加了文本长度的特征值提取
2. 试图优化逆向索引的生成速度,失败告终,打算直接跑.

###1.16-1.17###

写listnet算法,进度相关可以看我的库

传送门:https://github.com/FENG-MASTER/QA_Matching_Learning

###1.18###

好吧,前面算法不对,我还是先尝试找个库看看效果

###1.19###

补一下决策树的基础概念:

https://www.jianshu.com/p/6eecdeee5012