My Roadmap

About a AI Expert
持续更新
欢迎关注微信公众号：逍遥的豆子

更多科技数码人工智能教程资讯等你来！

1. Fundamentals

1.1 Basics

1.1.1 Matrices & Linear Algebra Fundamentals【矩阵&线性代数基础】GO→

1.1.2 Database Basics【数据库基础】GO→

• Relational vs. non-relational databases【关系数据库与非关系数据库】GO→
• SQL + Joins (Inner, Outer, Cross, Theta Join)【SQL + 联接（内部、外部、交叉、Theta 联接）】
• NoSQLGO→

1.1.3 Tabular Data【表格数据】GO→

1.1.4 Data Frames & Series【数据帧和系列】GO→

1.1.5 Extract, Transform, Load (ETL)【提取、转换、加载 (ETL)】

1.1.6 Reporting vs BI vs Analytics【报告 vs BI vs 分析】

1.1.7 Data Formats【数据格式】

• JSON
• XML
• CSV

1.1.8 Regular Expressions (RegEx)【正则表达式】

1.2 Python Programming【Python编程】

1.2.1 Python Basics【Python基础】

• Expressions【表达式】
• Variables【变量】
• Data Structures【数据结构】
• Functions【功能函数】
• Install packages (via pip, conda or similar)【安装依赖库】
• Codestyle, e.g. PEP8【编码风格】

1.2.2 Important libraries【常用库】

• Numpy
• Pandas

1.2.3 Virtual Environments【虚拟环境】

1.2.4 Jupyter Notebooks/Lab

Data Sources【数据源】

Data Mining【数据挖掘】

Web Scraping【网页抓取】

Awesome Public Datasets【优秀的公共数据集】

Kaggle

Exploratory Data Analysis/Data Munging/- Wrangling【探索性数据分析/数据处理/**】

Principal Component Analysis(PCA)【主成分分析】

Dimensionality & Numerosity Reduction【降维和数量减少】

Normalization【归一化】

Data Scrubbing,Handling Missing Valus【数据清理，处理缺失值】

Unbiased Estimators【无偏估计】

Binning sparse values【分箱稀疏值】

Feature Extraction【特征提取】

Denoising【去噪】

Sampling【采样】

Data Science【数据科学】

Statistics【统计数据】

Probability Theory【概率论】

Continuous distributions(pdf's)【连续分布】

Discrete distributions(pmf's)【离散分布】

Summary statistic【汇总统计】

Important Laws【重要法则】

Estimation【估计】

Hypothesis Testing【假设检验】

Confidence Interval(CI)【置信区间】

Monte Carlo Methond【蒙特卡罗方法】

Visualzation【可视化】

Chart Suggestions thought starter【图表建议】

Python

Web

Dashboards

BI

Machine Learning【机器学习】

General

Concepts,Inputs&Attributes【概念、输入和属性】

Cost functions and gradient descent【成本函数和梯度下降】

Overfitting/Underfitting【过拟合/欠拟合】

Training,validation and test data【训练、验证和测试数据】

Precision vs Recall【准确率与召回率】

Bias & Variance【偏差和方差】

Lift【】

Methods【方法】

Supervised Learning【监督学习】

Unsupervised Learning【无监督学习】

Ensemble Learning【集成学习】

Reinforcement Learning【强化学习】

Use Cases【用例】

Sentiment Analysis【情绪分析】

Collaborative Filtering【协同过滤】

Tagging【标记】

Prediction【预言】

Tools

Important libraries【】

Deep Learning【深度学习】

Papers【论文】

Deep Learning Papers Reading Roadmap【深度学习论文阅读路线图】

Papers with code【论文&代码】

Papers with code-state of the art【具有最先进代码的论文】

Neural Networks【神经网络】

Understanding Neural Networks【了解神经网络】

Loss Functions【损失函数】

Activation Functions【激活函数】

Weight Initialization【权重初始化】

Vanishing/Exploding Gradient Problem【消失/爆炸梯度问题】

Architectures【架构】

Feedforward neural network【前馈神经网络】

Autoencoder【自编码器】

Convolutional Neural Network(CNN)【卷积神经网络】

Recurrent Neural Network(RNN)【循环神经网络】

Transformer

Siamese Network【连体的神经网络】

Generative Adversarial Network(GAN)【生成对抗网络】

Evolving Architectures/NEAT【不断发展的架构/NEAT】

Residual Connections【残差网络】

Training【训练】

Optimizers【优化器】

Learning Rate Schedule【学习率表】

Batch Normalization【批量标准化】

Batch Size Effects【批量大小影响】

Regularization【正则化】

Multitask Learning【多任务学习】

Transfer Learning【迁移学习】

Curriculum Learning【课程式学习】

Tools

Important Libraries

Tensorflow

Pytorch

Tensorboard

MLFlow

Model optimization(advanced)【模型优化】

Distillation【蒸馏】

Quantization【量化】

Neural Architecture Search(NAS)【神经架构搜索】

keep exploring and stay up-to-date【继续探索并保持最新状态】