学习目录
截至2019年10月13日：
主要学习了Python基础语法、Numpy包、机器学习部分内容（线性回归、逻辑回归），博客目录如下：
| numpy学习笔记 | numpy学习(一) |
| numpy学习(二) | |
| numpy学习(三) | |
| numpy学习(四) | |
| numpy学习(五) | |
| numpy小结（一） | |
| 机器学习笔记 | 基本概念与单变量线性回归 |
| 多元线性回归 | |
| 线性回归——Matlab实现 | |
| 线性回归——Python(numpy)实现 | |
| 逻辑回归 |
截至2019年10月18日：
主要学习了机器学习部分内容（逻辑回归的代码实现、多分类与神经网络基础），阅读了部分Re-ID综述性文献，博客目录如下：
| 机器学习笔记 | 逻辑回归——Matlab实现 |
| 逻辑回归——Python(numpy)实现 | |
| 神经网络的基本概念 | |
| 多类别分类与神经网络——Matlab实现 | |
| 多类别分类与神经网络——Python(numpy)实现 | |
| Re-ID笔记 | 相关综述 |
截至2019年10月25日：
主要学习了机器学习部分内容（神经网络参数的拟合、机器学习算法的选择和优化、支持向量机），博客目录如下：
| 机器学习笔记 | 神经网络参数的拟合 |
| 神经网络参数的拟合——Matlab实现 |
|
| 神经网络参数的拟合——Python(numpy)实现 |
|
| 机器学习算法的选择与优化 |
|
| 机器学习算法的选择与优化——Matlab实现 |
|
| 支持向量机 |
|
| 支持向量机——Matlab实现 |
截至2019年11月15日：
完成了吴恩达《机器学习》；
完成了吴恩达《深度学习系列》的《神经网络和深度学习》、《改善深度神经网络》、《卷积神经网络》的一半（作业部分在jupyter）；
下周预计完成《卷积神经网络》，然后开始阅读论文.
| 机器学习笔记 | 非监督学习 |
| 非监督学习——Matlab实现 |
|
| 异常检测与推荐系统 |
|
| 异常检测与推荐系统——Matlab实现 |
|
| 大规模机器学习 |
|
| OCR技术的应用 |
|
| 神经网络和深度学习 | 神经网络基础 |
| 浅层神经网络 | |
| 深层神经网络 | |
| 改善深层神经网络 | 深度学习的实用层面 |
| 优化算法 | |
| 超参数调试、Batch正则化和程序框架 | |
| 卷积神经网络 | 卷积神经网络基础 |
| 深度卷积网络：实例探究 |
截至2019年12月13日：
完成了吴恩达深度学习系列剩余内容、西瓜书机器学习部分算法推导、基于视频的行人重识别7篇论文阅读，现在主要在学习用pytorch实现深度学习的一些算法：
截至2019年12月21日：
完成了毕业设计的任务书、开题报告；
《深度学习pytorch》三章内容。
阅读了一篇Re-ID论文；
| 行人重识别论文 | 【TIFS2020】：True-Color and Grayscale Video Person Re-Identification |
浙公网安备 33010602011771号