前端转DS打卡贴

某国企前端妹子一枚，过完春节回来谋划着回来转DS，无奈兜兜转转两个月，学习效率偏低，自信心也有些受挫，现在每天学不完的焦虑很严重，所以打算来一亩三分地拥抱组织，接受大家的监督和建议，也希望能和大家多多探讨交流                                                                                            
先简单介绍一下我的基础和目前的学习进展，虽然本科和研究生都是计算机相关专业，但是由于一直走的是偏学术写论文路线，所以编程能力一直
停留在能用python和matlat跑仿真的水平，现在python也忘得差不多了，数据结构这门课虽然本科的时候学过，但是现在几乎也忘得差不多了，需要
全部重新来过。数学基础还不错，线性代数和高数基础都很扎实，但是数理统计的东西忘得几乎差不多了。前两个月买了李航的统计学习方法和ESL
结合着在啃，白天上班，晚上去图书馆啃书，感觉ESL确实很难啃，现在才大概啃完前四章，李航的书大概翻了一半。对机器学习和统计学习有了
一个大概的认知，但是离能用来处理数据感觉还是很遥远，刚啃完线性logistic 回归，去做kaggle的titanic，感觉还是很懵逼，不知道如何处理missing
data。
----------------------------------------------------------------------------分割线--------------------------------------------------------------------------------------------
看完K姐的帖子以及之前在极客时间上订阅了洪亮劼的AI内参专栏（顺便在这里推荐一下，这个专栏内容真的很不错，涵盖的范围很广，干货也很多，
适合上下班路上看看，然后对感兴趣的东西的有参考论文可以自己下来深入了解），目前学习计划主要分为以下三个方面：
1. 基础统计知识和机器学习
    先打算花半个月把K姐推荐的这个课 http://onlinestatbook.com/2/index.html学完，把基础的统计概念捡回来，打算这周末去买一本二手的国内概率和数理统计教材，对应着看。
    补完基础，打算学习也是K姐推荐的下面这门课程，配合着教材一起学，编写ESL教材的那一批教授写的，感觉应该会不错，李航的统计学习方法可以对照着继续看。
   stanford Statistical Learning (Tibshrani & Hastie)
2. 编程基础和数据结构和算法   基础：打算先花一个星期把python基础过一遍，如果有时间再学学java（虽然内心只想学python，但是看地里帖子，好像还是编译语言需要学一门）      
   先快速过完基础，打算跟着下面这个python课程学
   Udemy:Complete Python Bootcamp: Go from zero to hero in Python 3
   数据结构和算法    数据结构：python: Problem Solving with Algorithms and Data Structures)
                             Java:  Berkeley 61B http://www.cs.berkeley.edu/~jrs/61b/
    算法：Java Coursera Algo I&II (Princeton)，如果对这个话题有兴趣，. 1point 3acres 璁哄潧
. 1point3acres.com                   不限语言 Stanford Algo I&II也很好，两者不可相互代替。（原文粘贴K姐的帖子）
    教材是Head First Java & Data Structures and Algorithms in Java。
    SQL (a week) http://www.w3schools.com/sql/ (一周，先大概了解一下)
这里计划的是优先保证python的学习，java可以稍微滞后，因为时间有限，有时候想得很美好，但是实施起来很残酷

3. kaggle项目练手和相关论文阅读
    由于我偏向于找机器学习或者算法工程师这类职位，目前主要兴趣在搜索和推荐系统，所以希望以后纵向发展，计划在统计方面有比较深入的了解，
同时动手能力需要加强。计划每天早上到公司半个小时的班车时间，用来阅读相关会议比如KDD, WSDM等会议的论文，前期打算从综述开始，
了解一下目前主要的进展。然后开始阅读近几年的这两个会议的优秀论文。半个月开始在班车上读材料，发现效率还比较高，一天能读完一两页，
所以决定以后坚持下来。
    另一方面就是希望把学到的理论知识运用到具体的场景中，感觉做kaggle项目是个很好的方法，之前做titannic的时候，顺便就去又仔细看了logistic
回归，感觉比单纯看书理解更深入了一点，当然目前做的效果还是很不好，打算学习一段时间回来再做做看有没有提升，如果有兴趣的小伙伴，
可以一起组队啊

初步计划是1和2可以先同步进行一个月或者两个月，然后开始3，在kaggle上找小项目练手，或者找两个队友一起参加一些比赛
以上只是一个初步的计划，有可能不是很合理，后期会慢慢调整，欢迎大家多多提意见，大家一起进步哇。
打卡今天就开始吧，计划每天晚上十一点左右打卡，希望能坚持下来

嗯，感觉好久没有来打卡了，快两周啦。之前有段时间特别迷茫，感觉自己刚刚入门，不知道接下来的学习如何进行下去。再加上中途家里又是请假了几天，加上中秋，就给自己放了好长一段时间的假。放假这段时间，真的好像每天晚上都没有学习，回去就是看新闻，看剧，发呆，久而久之感觉也挺无聊的，后来朋友结婚，去了青海，奔波劳累，心里更加焦虑。回来上班的前一天，自驾去了贵得和龙羊峡，看到了广阔的草原和巍峨的雪山，心态一下子就放松了下来，已经好久没有这么放松了，虽然知道这是短暂的，但是这种状态真的很好。感觉自己应该适当调整一下心态，不要向之前那样把自己逼得太紧，沉浸在做事情和解决问题中，享受这个过程，说不定效果会更好。这只是我的想法，实际实施起来可能并不容易，磨练心性本来就不是一件容易的事吧。之前有说过在极客时间订阅过AI技术内参这个专栏，我是这个软件的一个普通用户，并不是刻意做广告，只是觉得这个专栏内容很好，所以这里推荐一下。在我最近特别迷茫的时期，遇到了它最近推的一期内容，说对于很多人工智能的初学者而言，各种眼花缭乱的模型往往让人觉得不知所措，感觉真的说出了我的心声，关注的公众号每天都在推新文章新模型，让我确实很焦虑。他说这个时候与其一头扎入各式各样层出不穷的新模型中，还不如扎扎实实学懂吃透少数几个模型。这里说吃透，就是说能理解这些模型最基本的原理，从数学的角度来理解这些模型的数学推导，还要理解这些模型的模型本身和优化算法的区别，以及各种优化算法的好坏，最后最好能动手自己动手写一写这些模型的基本实现。更进一步可以思考这些模型有什么特点，在什么场景下比价适用。嗯，对比这个标准，可以说我学的还远远不够踏实，对基础模型还远没有达到吃透。以后还是应该要更加踏实才行。
制定一下这周的学习计划吧：
1.目前即使所有的学习中断，刷题还是保持着一定的节奏，每天三道，当然要继续坚持下去，目前刷到一百五十多道，medium开始会做一些题目，不像刚开始那样毫无头绪，但是我刷题的进度算比较慢的，而且周末没刷，总之现在觉得慢慢保持节奏比较好，打持久战吧。cs61b前天专门去图书馆把project1b也完成啦，平时抽空把讨论的题目也做了，自此前四周学习完毕，基础打好。现在进度拉下不少，现在磨刀霍霍打算开始第五周的内容，这周就是把第五周的内容学完，把第五周的作业做完。
2. ESL从现在开始温习最基础的算法，先从线性模型开始，之前基本的原理了解过了，这一遍就争取更深入理解，对比上面说的标准，逐条击破。
3. 最近kaggle上有一个比较感兴趣的比赛：Google Analytics Customer Revenue Prediction，这次一定要跟着比赛进度跟下来坚持做完，之前的人脸识别项目，由于一些原因，先暂时搁置一下。发现自己就是一个容易放弃的人，特别一上来就做了一个比较有挑战的项目，这次千万不要轻易放弃呀，加油。我感觉下周需要稍微详细地介绍一下自己做的进度，每周有进步，才不会不了了之。

拖到今天来写总结和计划，实在有点不像话了，虽然是因为生病，但是也不应该，检讨一下自己。
总结一下上周的学习情况和这周的学习计划：
1. 上周本来计划每天刷一道easy和一道medium，后来刷的时候，发现easy也并不简单，嗯，所以还是老老实实先把easy刷到一定的量，刷到一百道以后，再easy和medium一起刷吧。也是每天只刷了两道。本来说要开始学cs61B，结果也没学起来，惭愧惭愧。这周的计划还是要开始把cs61B学起来，每周学一个week的量，然后刷题还是每天刷两道吧，计划下周开始每天刷三道，不然进度太慢了。
2. 上周补了一下CNN和RNN，只是大概看了一下网络框架，结合GitHub上的bossSensor的代码看的，这个代码是我目前看到的写得最简洁的最容易看懂的，其他几个项目比如facenet和Mask_RCNN，代码太多了，我感觉我根本看不懂，感觉CNN和RNN就是两个框架，里面有非常多的具体算法，学起来还是需要耗费时间和精力的，后面边用边学。上周也看了一下EM算法和隐马尔可夫模型，隐马尔可夫模型还没看完，隐马尔可夫模型里面用到了EM算法，所以这两个看起来相互促进，这部分一直看的李航的书，这周计划把隐马尔可夫模型看完，下周再看ESL巩固一下这两周看的成果，一半ESL的书的讨论会高一个level，所以还是非常有必要看的。
3. tensorflow上周发布了新版本，文档也更新了，好像新的文档看起来要容易一点。上周因为开始着手做我自己的小项目，所以在GitHub上对人脸认别相关的项目大概看了两三个，包括boss_sensor, facenet，face_recognition和大名鼎鼎的Mask_RCNN， 其中除了face_recognition之外，其他的几个项目都用了tensorflow，所以虽然face_recognition在GitHub上的点赞最多，我还是决定选个给予tensorflow的facenet， 这周打算先用训练好的模型跑跑自己的照片看看效果。当然，肯定是要学会自己训练模型，调整参数的，但是目前对我来说似乎是个大工程，所以决定先用起来再说，再慢慢学会自己训练模型，再慢慢了解模型的原理。感觉自己真的很菜，很多人估计研究研究，就会自己搭模型训练模型，只能说自己工程能力确实有点弱。
4. 上周因为刷题和生病消耗太多时间，也没有对onlinestatbook进行及时的复习，这周已经是周二了，感觉时间也不是很充裕，先不复习了，下周把test means的这一章复习掉。

第一天，今天学习了onlinestatbook的第一章的前半部分，最大的收获莫过于,  重温一遍统计的意义，坚定了一下
坚持学习的动力。还有就是听了Stanford statistic learning的ch 1， 比较印象深刻的一点是，当我们拿到一个数据集准备分析
的时候，第一件事不是把它扔进一个算法，不是作图，而是数据探索。感觉我之前对数据的重要性认识不够，
觉得最重要的是算法，现在觉得这个想法是错误的。发现视频里面好多例子都和ESL重合，让我对这门课好感倍增。
今天太水了，假期回来太困了，先休息明天再战。

我跟你节奏差不多， 统计基础 和 概率论 大概过了一遍，昨天还把N年前从国内带来的 微积分 翻了一下，，， 然后python 水平比你弱，，， 模型刚福希望linear regresssion下面该开始看tree 了，， 求组队！  691290857  一起做kaggle

linbaobei001 发表于 2018-5-3 02:49
我跟你节奏差不多， 统计基础 和 概率论 大概过了一遍，昨天还把N年前从国内带来的 微积分 翻了一下，，，  ...

已发送好友请求，不过感觉时差有点厉害，哈哈

yuanjing_sky 发表于 2018-5-3 18:34
已发送好友请求，不过感觉时差有点厉害，哈哈

没收到你的好友呢，，，

Day2
1. Finished chapter 1 of stanford statistic learning
2. Finished chapter 1 and chapter 2 on Udemy Complete Python Bootcamp: course overview & python setup. There is nothing new, but I quickly go through it for further study. It's on tomorrow to really get started with python.
3. Onlinestatbook: Variables & Percentiles & Levels of Measurement & Measurement Demonstration & Distributions. This is a really great book. Every concept is accompanied by
rich examples and ideas behind it. Moreover, It seems that I underrated the time needed to finish it before. There is lot more content than I imagined.

linbaobei001 发表于 2018-5-3 23:11
没收到你的好友呢，，，

是微信还是QQ呢

yuanjing_sky 发表于 2018-5-3 23:13
是微信还是QQ呢

微信啊     

同前端，也在大量刷公开课！一起加油楼主

第三天
SQL (a week) http://www.w3schools.com/sql/ (完成基础部分）
onlinestatbook: 完成第一章introduction和和第二章stem and leaf display & histograms & frequency polygons & box plots