以下内容更新至2017.12.15

概率图模型
- 1 Representation
  - 11 The Bayesian Network Representation
  - 12 Undirected Graphical Models
  - 13 Local Probabilistic Models
  - 14 Template-Based Representations
  - 15 Gaussian Network Models
  - 16 The Exponential Family
- 2 Inference
  - 21 Variable Elimination
  - 22 Clique Trees
  - 23 Inference as Optimization
  - 24 Particle-Based Approximate Inference
  - 25 MAP Inference
  - 26 Inference in Hybrid Networks
  - 27 Inference in Temporal Models
- 3 Learning
  - 31 Parameter Estimation
  - 32 Structure Learning in Bayesian Networks
  - 33 Partially Observed Data
  - 34 Learning Undirected Models
- 4 Actions and Decisions
  - 41 Causality
  - 42 Utilities and Decisions
  - 43 Structured Decision Problems
十大经典机器学习算法
- 1 K近邻KNN
- 2 K-means
- 3 朴素贝叶斯
- 4 决策树
  - 41 ID3
  - 42 C45
- 5 logistic回归与最大熵模型
- 6 支持向量机
- 7 AdaBoost提升树
- 8 EM
- 9 隐马尔可夫
- 10 条件随机场
- 11 简单的预测
  - 111 最小二乘法
  - 112 径向基网络
  - 113 岭回归
基本的deep learning算法
- 1 卷积神经网络
- 2 循环递归神经网络
- 3 自编码器
- 4 线性分解机
- 5 玻尔兹曼机
- 6 深度置信网络
- 7 蒙特卡洛方法
比较前沿的deepmachine learning 算法
- 1 represent learning
- 2 structured probabilistic models for deep learning
- 3 注意力机制
- 4 强化学习
通用算法
- 1 random walk
- 2 图
  - 21 图的表示
  - 22 图的搜索
  - 23 拓扑排序强连通分量
  - 24 最小生成树
  - 25 单源最短路径
  - 26 成对最短路径
  - 27 最大流
- 3 树与二叉树
- 4 查找与排序
- 5 表栈队列
- 6 分治
- 7 递归
- 8 线性规划
- 9 贪心算法
- 10 摊还分析
- 11 多线程算法
- 12 矩阵运算
- 13 傅立叶变换
- 14 数论算法
- 15 字符串匹配
- 16 计算几何
- 17 NP完全性
- 18 近似算法
简单的凸优化理论
元路径与异构信息网
基本的多媒体
基本的编程能力
- 1 科学研究必备
  - 11 Python
  - 12 Matlab
  - 13 Keras
  - 14 Tensorflow
- 2 打造你的小型项目
  - 21 Nodejs
  - 23 JavaScript
  - 24 Python-Django
  - 25 html
  - 26 css
- 5 让想法变成现实
  - 51 Swift
  - 52 Azure
  - 53 React Native
基本的NLP
- 1 了解分词技术
- 2 NLP中的概率图模型
- 3 词性标注与命名实体识别
- 4 句法分析
- 5 语义网
- 6 机器翻译
- 7 对话机器人
- 8 语言模型和经典理论
  - 81 LDA
  - 82 skip gram
- 9知识图谱与本体
时间序列分析
- 1 波松过程
- 2 高斯过程
基本的推荐方法
- 1 协同过滤
- 2 矩阵分解理论
社会媒体挖掘
- 1 复杂网络基础
- 2 社区发现
- 3 信息传播与影响力
- 4 行为分析与预测

1.概率图模型

1.1 Representation

1.1.1 The Bayesian Network Representation

1.1.2 Undirected Graphical Models

1.1.3 Local Probabilistic Models

1.1.4 Template-Based Representations

1.1.5 Gaussian Network Models

1.1.6 The Exponential Family

1.2 Inference

1.2.1 Variable Elimination

1.2.2 Clique Trees

1.2.3 Inference as Optimization

1.2.4 Particle-Based Approximate Inference

1.2.5 MAP Inference

1.2.6 Inference in Hybrid Networks

1.2.7 Inference in Temporal Models

1.3 Learning

1.3.1 Parameter Estimation

1.3.2 Structure Learning in Bayesian Networks

1.3.3 Partially Observed Data

1.3.4 Learning Undirected Models

1.4 Actions and Decisions

1.4.1 Causality

1.4.2 Utilities and Decisions

1.4.3 Structured Decision Problems

2. 十大经典机器学习算法

2.1 K近邻(KNN)

2.2 K-means

2.3 朴素贝叶斯

2.4 决策树

2.4.1 ID3

2.4.2 C4.5

2.5 logistic回归与最大熵模型

2.6 支持向量机

2.7 AdaBoost/提升树

2.8 EM

2.9 隐马尔可夫

2.10 条件随机场

2.11 简单的预测

2.11.1 最小二乘法

2.11.2 径向基网络

2.11.3 岭回归

3. 基本的deep learning算法

3.1 卷积神经网络

3.2 循环/递归神经网络

3.3 自编码器

3.4 线性分解机

3.5 玻尔兹曼机

3.6 深度置信网络

3.7 蒙特卡洛方法

4. 比较前沿的deep/machine learning 算法

4.1 represent learning

4.2 structured probabilistic models for deep learning

4.3 注意力机制

4.4 强化学习

5. 通用算法

5.1 random walk

5.2 图

5.2.1 图的表示

5.2.2 图的搜索

5.2.3 拓扑排序/强连通分量

5.2.4 最小生成树

5.2.5 单源最短路径

5.2.6 成对最短路径

5.2.7 最大流

5.3 树与二叉树

5.4 查找与排序

5.5 表/栈/队列

5.6 分治

5.7 递归

5.8 线性规划

5.9 贪心算法

5.10 摊还分析

5.11 多线程算法

5.12 矩阵运算

5.13 傅立叶变换

5.14 数论算法

5.15 字符串匹配

5.16 计算几何

5.17 NP完全性

5.18 近似算法

6. 简单的凸优化理论

7. 元路径与异构信息网

8. 基本的多媒体

基本的图片处理与音频/视频处理技术

9. 基本的编程能力

9.1 科学研究必备

9.1.1 Python

9.1.2 Matlab

9.1.3 Keras

9.1.4 Tensorflow

9.2 打造你的小型项目

9.2.1 Node.js

9.2.3 JavaScript

9.2.4 Python-Django

9.2.5 html

9.2.6 css

9.5 让想法变成现实

9.5.1 Swift

9.5.2 Azure

9.5.3 React Native

10. 基本的NLP

10.1 了解分词技术

10.2 NLP中的概率图模型

10.3 词性标注与命名实体识别

10.4 句法分析

10.5 语义网

10.6 机器翻译

10.7 对话机器人

10.8 语言模型和经典理论

10.8.1 LDA

10.8.2 skip gram

10.9知识图谱与本体

11. 时间序列分析

11.1 波松过程

11.2 高斯过程

12. 基本的推荐方法

12.1 协同过滤

12.2 矩阵分解理论

13. 社会媒体挖掘

13.1 复杂网络基础

13.2 社区发现

13.3 信息传播与影响力

13.4 行为分析与预测

OSN博士必须掌握的必杀技(更新至2017/12/15)相关推荐

【iOS工具】rvm、Ruby环境和CocoaPods安装使用及相关报错问题解决（2016 12 15 更新）...
〇.前言在iOS开发中 [CocoaPods](https://github.com/CocoaPods/CocoaPods) 作为库依赖管理工具就是一把利器. 有了 CocoaPods 则无需再通 ...
数学分析高等代数考研试题荟萃[更新至2017年10月1日]
数学分析高等代数考研试题荟萃[更新至2017年10月1日], 需要的话见: http://www.followmath.com/forum.php?mod=viewthread&tid=469 ...
杂项-Mac关闭系统更新提示（macOS10.15.2可用）
说明关闭系统更新提示(macOS10.15.2可用),此方法只是禁止了系统更新提示的红点以及弹窗,从设置里点开系统更新还是能检测到新系统操作步骤命令行执行 sudo mount -uw /sud ...
更新xcode至12.3，编译报错Building for iOS, but the linked and embedded framework ‘xxx.framework’ was buil...
更新xcode至12.3,编译报错Building for iOS, but the linked and embedded framework 'xxx.framework' was buil... ...
如何访问sci-hub？（更新于2017年11月26日）
更新:sci-hub.tw也可以直接访问更新于2017年12月13日引言科研人员查找国外SCI期刊文献,永远是头疼问题.如果在校内网,并且学校图书馆购买了数据库,下载全文还好.但是如果是公网,下 ...
用python3的pyspider爬取国家统计局的行政区域（只到乡镇级，更新到2017年）
按某个省的行政区域爬虫一.爬虫遇到的问题 1.Mysql中文乱码问题: 2.pyspider的config设置问题二.准备工作 1.安装pyspider.pymysql 2.新建3个mysql的库 ...
如何提前更新到IOS 12
如何更新到IOS 12 beta版本苹果在WWDC上发布了最新的IOS 12系统,对于系统的流畅性有了大幅度的提升,很多人不知道如何升级到IOS 12,所以下面的教程就教大家如何提前体验到IOS 1 ...
计算机二级office知识点必备2020,2020年3月计算机二级MS office知识点总结，陆续更新12.15...
原标题:2020年3月计算机二级MS office知识点总结,陆续更新12.15 Pdf文档是一种新的文件格式,不属于Office的范畴,阅读pdf有专门的阅读器,比如Adobe reader,它的 ...
Swig超详细入门教程（Java调用C/C++, CMake）——更新于2021.12
目录相关教程环境配置 0基础上手例子(C/C++) 使用CMake的例子(C语言) 使用CMake的例子(C++) 本文主要是手把手教萌新们如何用官方用例构建(有许多本人亲身踩坑血泪史) 相关教程 ...