Daily DeepLearning

Daily-DearnLearning

計算機基礎課

數據結構

• 01基本概念和算法評價
• 02線性表
• 03棧和隊列
• 04樹和二叉樹
• 05圖
• 06查找
• 07排序

作業系統

• 01操作系統的基本概念
• 02操作系統的發展和分類
• 03操作系統的運行環境
• 04進程和線程
• 05處理機調度
• 06進程同步
• 07死鎖
• 08內容管理概念
• 09虛擬內存管理
• 10文件系統基礎

計算機網絡

• 01計算機網絡概述
• 02計算機網絡結構體系
• 03通信基礎
• 04奈氏準則和香農定理
• 05傳輸介質
• 06物理層設備
• 07數據鏈路層的功能

?Python

快速入門

• Day01: 變量/字符串/數字和運算符
• Day02: 列表/元組
• Day03: 字典/set
• Day04: if/循環
• Day05: 調用函數/定義函數/函數的參數
• Day06: 迭代/列表生成式/生成器/迭代器
• Day07: 高階函數/返回函數/匿名函數/裝飾器
• Day08: 類和實例/限制訪問/繼承和多態
• Day09: __slots/@property/多重繼承/定制類/枚舉類
• Day10: 錯誤處理/調試/文檔測試/單元測試
• Day11: 文件讀寫/StringIO/操作文件
• Day12: 多進程/多線程/ThreadLocal
• Day13: datetime/collections/struct
• Day14: 協程/asyncio/async/await/aiohttp
• Day15

數據科學包的使用

numpy

• 創建ndarray
• 數據類型和運算
• 索引和切片
• 矩陣操作

pandas

• 加載數據
• 行列選擇
• 索引
• 過濾器
• 更新行列
• 添加行列
• 數據排序
• 數據聚合
• 清洗數據
• 時間數據

matplotlib

• 直線圖
• bar圖
• 餅狀圖
• stack圖
• 直線填充
• hist圖
• 點狀圖
• 時序圖
• 子圖

?️機器學習理論

• 邏輯回歸
• EM算法
• 集成學習
• 隨機森林和GBDT
• ID3/C4.5
• K-means
• K最近鄰
• 貝葉斯
• xgboost/lightGBM
• Gradient Boosting
• Boosting Tree
• 回歸樹
• XgBoost
• GBDT分類
• GBDT回歸
• LightGBM
• CatBoost

?‍♀️深度學習理論

• Word2Vec
• BatchNorm
• Dropout
• CNN
• RNN
• LSTM
• Attention
• ELMo
• Transformer
• BERT
• ALBERT
• XLNet

?️NLP相關

• 理論
  • Word2Vec
  • LSTM
  • ELMo
  • ALBERT
  • XLNet

?️機器學習實戰

• numpy

  • 創建ndarray
  • 數據類型和運算
  • 索引和切片
  • 矩陣操作

• pandas

  • 加載數據
  • 行列選擇
  • 索引
  • 過濾器
  • 更新行列
  • 添加行列
  • 數據排序
  • 數據聚合
  • 清洗數據
  • 時間數據

• matplotlib

  • 直線圖
  • bar圖
  • 餅狀圖
  • stack圖
  • 直線填充
  • hist圖
  • 點狀圖
  • 時序圖
  • 子圖

?‍♀️ 深度學習實戰

• tensorflow

  • helloword
  • Basic
  • linear_regression
  • logistic_regression
  • world2vec
  • 基本圖像分類
  • TFHub文本分類

• pytorch

  • start
  • autograd
  • NeuralNetworks

大數據相關

• Hadoop

  • 介紹
  • 集群搭建01
  • 集群搭建02
  • 集群搭建03
  • HDFS01
  • HDFS02

• Hive

?劍指offer

• Day01:二維數組中的查找
• Day02:字符串替代
• Day03
• Day04
• Day05
• Day06
• Day07
• Day08
• Day09
• Day10
• Day11
• Day12
• Day13
• Day14
• Day15

工作聯繫: [email protected]