经过知识点梳理、目标确定、行动拆分后确定第一阶段推荐策略入门规划如下
理论(3月)—-框架(1.5月)—–实战(1.5月)—–面试(3月)
前6个月学习大致拆分如下：
- 9.1-9.15 0.5月, 通读花书数学基础章节
- 9.1-10.15 1.5月, 吴恩达课程
- 10.1-10.31 1月, 通读统计学习方法
- 11.1-11.30 1月, 通读花书CNN、RNN、LSTM部分
- 12.1-12.15 0.5月, 学习sklearn框架，实现3个算法
- 12.16-1.15 1月, 学习pytorch框架，实现图片分类功能
- 1.16-2.16 1月, 通读机器学习实战
- 2.17-2.28 0.5月, 推荐系统专栏
2021.9.13
1.学习第二周课程Octave Tutorial部分
2021.9.19
完成第二周linear regression部分编程作业
2021.9.20 8:00
启动第三周课程的学习
https://www.coursera.org/learn/machine-learning/home/week/3
2021.9.20 12:40
完成第三周课程部分学习
2021.9.28 7:39
完成第三周编程作业 100分。
后面最好还是学完一课立马完成编程作业巩固。
2021.10.24
完成吴恩达机器学习课程学习，得分96.86分。
神经网络、推荐系统部分尚有疑问，其他部分可以理解原理和实现。
SVM部分可以实现，原理尚有疑问。
