本博客将会以6个方面来更新内容,它们分别是:概率论、矩阵论、Python环境(conda)、机器学习、深度学习、多模态学习.对于小白来讲,建议循序渐进的学习本博客.下面我将简单的介绍一下每个章节的学习安排.

1.概率论

• 随机变量的理解

• 数据的重要指标(均值,方差等等)

• 分布的理解 (数据分布以及特征分布)

• 常见的分布(从低维到高维)

• 概率密度函数的理解

• 极大似然估计的理解

• 利用Python画出数据的分布图

• 线性回归初步(一元和多元)

2.矩阵论

• 矩阵导数

• 矩阵分解

3.Python环境(conda)

• 如果利用Anaconda在windows系统安装Python

• 选择哪个解释器?Pycharm还是Vscode?

• 如何在Linux系统安装Anaconda?

• 解释器如何链接远程服务器?

• 常用的conda命令

• 常用的Linux命令

4.机器学习

• 机器学习基本概念：数据、样本、模型、目标函数、优化算法、epoch、batch、监督、无监督、半监督、弱监督、自监督、生成模型与判别模型等等概念

• 线性回归、感知机、KNN、贝叶斯分类器、决策树、随机森林、逻辑回归、最大熵模型、SVM、EM算法、隐马尔可夫、条件随机场、聚类、PCA、奇异值分解、潜在语义分析、蒙特卡洛法、Dirichlet分配模型等算法

  5.深度学习

• 深度学习与机器学习的比较

• MLP、CNN、RNN、Attention、GAN、Diffusion等基础模型

6.多模态学习

• 多模态学习任务

• 论文讲解