知识体系结构---备份

python基础-》机器学习-》机器学习实战+深度学习框架+深度学习

目前的学习方法的话就是----》看看理论以后，跑跑实验，熟悉熟悉代码
1 常见工程、应用、学习错误与安装问题与实用技巧
2 知识体系结构（副）
3 日常安排
4 论文研究
5 吃生活

知识体系结构

1. 数学基础
2. 计算机基础
3. 计算机语言基础
4. 数据库基础
5. 数字图像处理理论基础
6. 数字图像处理技术基础
7. 医学图像处理理论基础
8. 医学图像处理技术基础
9. Linux操作系统基础
10. 英语写作基础
11. 深度学习框架
12. 软件工程应用
13. 机器学习
14. 前沿探讨
15. 物理学基础
16. 软件工程概论与思想
17. 选修课程体系

数学基础知识：
一 概率论：
二 线性代数：
三 微积分：
四 矩阵
五 应用数学
六 离散数学
七 信息论计算机基础知识：
一 数据结构
二 算法
三 操作系统
四 计算机网络
五 计算机组成原理计算机语言基础：
一 Python
二 C++
三 Java数据库基础：
一 数据库
二 大数据技术英语写作基础:
一 英文写作
二 单词、短语、语句积累深度学习框架：
一 Pytorch
二 Tensorflow软件工程应用
一 J2EE
二 ASP
三 Android
四 高性能编程
五 高并发中间件
六 容器化技术
七 分布式微服务架构
八 深度模型部署
九 前端
十 持续部署
十一 后端
十二 网络服务
十三 大数据监控机器学习：
一 传统机器学习
一.一机器学习实战
二 机器学习和神经网络
三 深度学习CV方向论文
四 深度学习NLP方向论文
五 推荐系统实战（电影推荐、电商推荐

一数学基础知识

一概率论：
<1>概率基础概念
1.概率的定义
2.条件概率和乘法公式
3.全概率公式和贝叶斯公式
4.事件的独立性
<2>随机变量的概率特征–分布函数
1.随机变量与分布函数
2.离散型随机变量和常用分布
3.连续型随机变量和常用分布
4.正态分布
5.随便变量函数的分布
<3>随机变量的数值特征
1.期望
2.方差
3.柯西-施瓦兹不等式
4.相关系数
<4>数理统计的基础概念
1.统计学科的定义
2.常用的统计量
3.三大分布
4.正态总体统计量的分布
<5>参数估计
1.矩估计
2.极大似然估计、
3.区间估计
4.一个正态总体的区间估计
5.两个正态总体的区间估计
<6>假设检验
1.假设检验的基本概念
2.假设检验的步骤
3.一个正态总体的假设检验
4.两个正态总体的假设检验
5.拟合优度检验

二线性代数：
线性代数基础
1.方程组的几何解释
2.矩阵消元
3.乘法和逆矩阵
4.A的LU分解
5.转置-置换-向量空间R
6.列空间和零空间
7.求解Ax=0:主变量、特解
8.求解Ax=b:可解性和解的结构
9.线性相关、基、维数
10.四个基本子空间
11.矩阵空间、秩1矩阵和小世界图
12.图和网络
13.正交向量和子空间
14.子空间投影
15.投影矩阵和最小二乘
16.正交矩阵和Gram-Schmidt正交化
17.行列式及其性质
18.行列式公式和代数余子式
19.克拉默法则、逆矩阵、体积
20.特征值和特征向量
21.对角化和A的幂
22.微分方程和exp(At)
23.马尔可夫矩阵;傅里叶级数
24.对称矩阵及正定性
25.复数矩阵和快速傅里叶变换
26.正定矩阵和最小值
27.相似矩阵和若儿当形
28.奇异值分解
29.线性变换和对应矩阵
30.基变换和图像压缩
31.左右逆和伪逆

三微积分：
<1>微积分（一）

第一部分函数、极限、连续
第二部分一元函数微分学
第三部分一元函数积分学
第四部分常微分方程

第1
第一节:有界函数、无界函数、复合函数
第二节:反函数、单调函数
第三节:基本初等函数、初等函数和非初等函数
第四节:数列极限定义
第五节:收敛数列的性质
第六节:夹逼定理、单调有界定理
第2
第七节: {(1+1/n)n}的收敛性
第八节:单调有界定理及应用、子数列
第九节:子数列推论、函数极限定义
第十节:函数极限性质
第十一节:海涅定理
第十二节:海涅定理推论的应用、无穷小量性质与推论
第3
第十三节:无穷小量阶的比较无穷大量
第十四节:无穷大量性质、等价量替换定理
第十五节:函数极限的夹逼定理、两个重要极限
第十六节:两个重要极限（续）
第十七节:函数的连续，间断点分类
第4
第十八节: 初等函数的连续
第十九节: 闭区间上连续函数的性质
第二十节: 11个重要的函数极限
第二十一节: 总结与练习
第二十二节: 证明题训练，间断点及类型的讨论
函数极限与连续总结与拓展
第5
第二十三节: 导数概念引入，导数定义
第二十四节: 左右导数定义，导数与连续的关系
第二十五节: 基本初等函数的导函数
第二十六节: 导数四则运算，反函数求导法则，基本初等函数导数(续)
第二十七节: 复合函数求导法则
第6
第二十八节: 初等函数导数，分段函数导数
第二十九节:高阶导数
第三十节:方程确定函数的导数，对数微分法
第三十一节:对数微分法练习，微分
第三十二节:一阶微分形式不变性
第三十三节:参数方程确定函数旳导数，极值的概念
导数与微分总结与拓展
第7
第三十四节:费马定理,罗尔定理
第三十五节:拉格朗日定理，柯西定理
第三十六节:未定式极限
第三十七节:未定式极限（续）
第三十八节:数列极限未定式，罗尔定理应用
第三十九节:拉格朗日定理应用，单调性定理
第8
第四十节:判断极值的方法，求单调区间与极值的步骤
第四十一节:数学建模初步，泰勒公式思想
第四十二节:泰勒公式
第四十三节:五个函数的麦克劳林展开式
第四十四节:泰勒公式的应用
第四十五节:带有皮亚诺余项的泰勒公式，在求极限中的应用
第9
第四十六节:利用皮亚诺余项找等价量，函数的凹凸性与拐点
第四十七节:曲线的渐近线
第四十八节:函数的作图
第四十九节:曲率
第五十节:不定积分概念，不定积分性质
第五十一节:不定积分线性运算法则，基本不定积分公式
中值定理及导数应用总结与拓展
第10
第五十二节:不定积分的凑微分
第五十三节:不定积分的变量代换
第五十四节:不定积分的分部积分
第五十五节:不定积分的分部积分（续），有理函数的不定积分
第五十六节:有理函数的不定积分（续），三角函数有理式的不定积分
第五十七节:三角函数有理式的不定积分（续），无理函数的不定积分
不定积分总结与拓展
第11
第五十八节:定积分的概念的引入，定积分的定义
第五十九节:定积分的意义，可积的必要条件
第六十节:可积的充分条件，定积分的性质1-2
第六十一节:定积分的性质3-7
第六十二节:变上限求导定理（微积分基本定理），牛顿—莱布尼兹公式
第六十三节:定积分概念的深度理解
第12
第六十四节:定积分证明题的类型，一般变限积分的求导
第六十五节:定积分计算的方法
第六十六节:利用被积函数的特点简化定积分的计算
第六十七节:利用被积函数的特点简化定积分的计算（续），微元法思想
第六十八节:微元法，平面图形面积
第六十九节:平面图形面积例题，曲边扇形面积，夹在两平行平平面间立体的体积
第13
第七十节:平面图形绕x轴，y轴旋转所成旋转体的体积
第七十一节:曲线的弧长
第七十二节:平面图形绕x轴旋转所成旋转体的侧面积，定积分在物中的应用
第七十三节:定积分在物理中的应用（续），第一类广义积分思想
第七十四节:第一类广义积分，第二类广义积分思想
第七十五节:第二类广义积分，伽马函数
定积分及应用总结与拓展
第14
第七十六节:常微分方程的基本概念
第七十七节:可分离变量方程
第七十八节:一阶线性微分方程
第七十九节:可降阶二阶微分方程
第八十节:二阶线性微分方程解的结构
第八十一节:二阶常系数齐次线性微分方程
第八十二节:二阶常系数非齐次线性微分方程(类型一)
第八十三节:二阶常系数非齐次线性微分方程(类型一续)
第15
第八十四节:二阶常系数非齐次线性微分方程(类型二解法一)
第八十五节:二阶常系数非齐次线性微分方程(类型二解法二)
第八十六节:二阶变系数线性微分方程的一些解法(一)
第八十七节:二阶变系数线性微分方程的一些解法(二)
第八十八节:全微分方程与积分因子
第八十九节:常系数线性方程组
第九十节:常微分方程的应用
第九十一节:微积分1精要
<2>微积分（二）

第一部分无穷级数
第二部分向量代数和空间解析几何
第三部分多元函数微分学
第四部分多元函数积分学

第1
第一节:数项级数的概念，两个重要的级数
第二节:收敛级数的性质
第三节:例题，正项数项级数收敛的充要条条件，比较判别法
第四节:例题，比较判别法的极限形式
第五节:例题，比值判别法
第六节:根值判别法，例题
第七节:一般级数绝对值的比值判别法，绝对值的根值判别法
第2
第八节:莱布尼兹判别法，例题，柯西-阿达玛公式思想
第九节:柯西-阿达玛公式，例题
第十节:收敛幂级数的性质，例题
第十一节:两个重要幂级数的和函数，求幂级数和函数的四种重要方法
第十二节:例题，函数按定义展成幂级数（直接展开）
第十三节:唯一性定理，函数展成幂级数的间接展开
第十四节:函数展成幂级数例题,综合练习
级数总结及拓展
第3
第十五节:矢量的加减法、两矢量的点乘积
第十六节:两矢量的叉乘积
第十七节：空间直角坐标系，对称点坐标，两点间的距离
第十八节：矢量的坐标式，矢量的代数运算
第十九节：矢量运算的几何意义，空间曲面与曲线方程的概念
第二十节：平面方程及类型
第二十一节：直线方程及类型，点到平面距离
第4
第二十二节：点到直线距离，直线的点向式与一般式互换
第二十三节：直线位置的判断，异面直线公垂线的方程、长、垂足坐标
第二十四节：球面、柱面、锥面的方程
第二十五节：旋转曲面
第二十六节：一般空间曲线的旋转曲面、椭球面、单叶双曲面，双叶曲面
第二十七节：二次锥面、椭圆抛物面、马鞍面、投影曲线
第5
第二十八节：多元函数定义、定义域的求法、平面点集的分类
第二十九节：多元函数的极限及求法、判断多元函数极限不存下的方法
第三十节：多元函数的极限与累次极限的区别，多元函数的连续
第三十一节：有界闭区域上连续函数的性质，偏导数概念的引入
第三十二节：多元函数偏导数的定义，偏导数与连续有没有关系
第三十三节：偏导数的几何意义，二阶偏导数及其定理
第6
第三十四节：二阶偏导数练习，多元函数的全微分及可微的形式
第三十五节：多元函数可微的必要条件、充分条件
第三十六节：多元函数全微分在近似计算中的应用，多元复合函数求偏导法则
第三十七节：对多元复合函数求偏导的理解及例题
第三十八节：多元函数全微分的一阶形式不变形及例题，方程确定多元函数的概念
第三十九节：方程确定多元函数求偏导的方法及例题
矢量代数与解析几何
第7
第四十节：方程确组定多元函数组求偏导的方法，方向导数的定义
第四十一节：方向导数存在的充分条件，方向导数的最大值与最小值
第四十二节：方向导数的例题，多元函数的极值，取到极值的必要条件
第四十三节：取到极值的充分条件，多元函数的最大值与最小值，多元函数的条件极值
第四十四节：拉格朗日乘数法，例题，空间曲线的切线与法平面
第四十五节：空间曲面的切平面与法线方程，一般式空间曲线的切线与法平面的方程
多元函数微分学总结与拓展
第8
第四十六节：二重积分概念的引入：求曲顶柱体的体积
第四十七节：求薄片的质量，二重积分的定义
第四十八节：二重积分的几何意义、物理意义，可积的充分条件，二重积分的性质
第四十九节：二重积分的性质（续），x-型区域与y-型区域
第五十节：二重积分计算的方法与例题
第9
第五十一节：二重积分的例题，二重积分一般变换的原理
第五十二节：极坐标系与极坐标，二重积分转化为极坐标系下的计算
第五十三节：极坐标系下区域的类型，三种圆域的类型，例题
第五十四节：极坐标系下计算的例题，利用区域的对称性与被积函数关于相应变量的奇偶性简化计算
第五十五讲：二重积分综合练习
第五十六讲：微积分2精要
二重积分总结及拓展

<3>微积分（三）

第一部分多元函积分学（续）
第二部分无穷级数（续）

第1
第一节：立体的体密度，三重积分概念的引入与定义，xy—型区域
第二节：直角坐标系下的投影法（xy—型区域化成累次积分），平面截割法，例题
第三节：柱面坐标变换，直角坐标系下的三重积分化为柱面坐标系下的累次积分
第四节：球面坐标系与球面坐标，球面坐标变换
第五节：三重积分化为球面坐标系下的累次积分，例题
第六节：第一类曲线积分的定义、性质
第七节：第一类曲线积分的计算及方法，例题
第2
第八节：第一类曲面积分的定义，物理意义，可积的充分条件
第九节：第一类曲面积分的计算推导及例题
第十节：点函数积分的概念、性质、简化计算的方法及例题
第十一节：点函数在物理中的应用：1.质心（重心）及例题
第十二节：2.转动惯量，3.引力
第十三节：物理应用例题
三重积分、第一类曲线曲面积分总结与拓展
第3
第十四节：第二类曲线积分概念的引入、定义、性质
第十五节：第二类曲线积分的形式，直接计算方法
第十六节：第二类曲线计算的例题，封闭曲线的正向，格林公式
第十七节：格林公式的应用及例题
第十八节：单连通区域，平面第二类曲线积分与路径无关的四个等价条件
第十九节：第二类曲线积分的类型：（一）封闭曲线上第二类曲线积分的方法、例题
第二十节:（二）非封闭曲线第二类曲线积分的方法。（三）求Pdx六+Qdy的原函数。（四）解全微分方程
第二十一节:例题，（五）求P,Q中的字母常数。（六）曲线积分牛—莱公式，（七）计算面积，（八）物理应用
第4
第二十二节:第二类曲面积分概念问题的引入和定义
第二十三节：第二类曲面积分的物理意义、性质、形式
第二十四节:第二类曲面积分的计算、例题
第二十五节：高斯公式，例题
第二十六节：散度及实际意义，封闭曲面第二类曲面积分的方法及例题
第5
第二十七节：非封闭曲面第二类曲面积分的方法及例题
第二十八节：斯托克斯公式
第二十九节：空间第二类曲线积分与路径无关的四个等价条件及计算类型
第三十节：旋度，空间第二类曲线积分的例题
第二类曲线、曲面积分总结与拓展
第6
第三十一节：函数傅里叶展开引入，正交三角函数系
第三十二节：狄利克雷定理及延伸
第三十三节：例题，有限区间上函数傅里叶级数的展开
第三十四节：有限区间上函数傅里叶级数展开的例题
第三十五节：区间【0，L】上函数展成余弦级数或正弦级数及例题
第三十六节：微积分3精要
函数的傅里叶展开总结及拓展

四矩阵论
矩阵求导术

五应用数学
第一模块：微积分发展史
第二模块微积分的符号计算与自动推理初步
第三模块拓扑学与应用初步
第四模块微分几何与应用
第五模块从黎曼积分到勒贝格积分
第六模块向量函数微积分学
第七模块从泰勒公式到多项式的自适应逼近
第八模块常微分方程
第九模块常微分方程数值解法几个基本问题
第十模块数值优化初步
第十一模块月宫一号中的若干数学问题
第十二模块自然界信号的处理：从傅里叶变换到小波变换与应用
第十三模块海量数据简约分析的基本思路
第十四模块火箭发射中若干数学问题
第十五模块应用Maple研究数学问题

六离散数学
一数理逻辑-基本概念

命题与联结词
命题公式

二数理逻辑-命题逻辑及形式系统

重言式
范式
命题演算形式系统

三数理逻辑-谓词逻辑及形式系统

谓词公式
谓词演算形式系统
自然推理系统

四集合论

集合基本概念
归纳定义

五集合论-集合代数

关系定义
关系运算
关系特性

六集合论-特殊关系及函数

特殊关系
函数

七图论：图的基本概念

图的定义
连通性

八　图论-特殊图

二分图
树

九　抽象代数

代数结构
特殊元素

十　形式语言与自动机：基本概念

形式语言
形式语法分类

十一　形式语言与自动机-有限状态机

状态图
商机器
带输出的机器

十二　形式语言与自动机-图灵机与计算理论

图灵机
通用图灵机
停机问题

二计算机基础知识

一数据结构

数据结构与算法（补充）

二算法

算法设计补充

算法设计实例

1.求值法
2.递推法

3.递归法
递归就是一个过程或函数在其定义中直接或间接调用自身的方法。递归法是一种用来描述问题和解决问题的基本方法。它通常把一个大型复杂的问题层层转化为一个与原问题相似的规模较小的问题来求解，递归策略只需少量的程序就可描述出需要多次反复计算的解题过程，大大减少了程序的代码量。递归的能力在于用有限的语句来定义对象无限的集合。一般来说，递归需要有边界条件、递归前进段和递归返回段。当边界条件不满足时，递归前进；当边界条件满足时，递归返回。

递归法的思路：第一步，将较大规模的原问题分解为一个或多个规模更小，但具有类似于原问题特性的子问题，即较大的问题递归地用较小的子问题来描述，解原问题的方法同样可以来解决子问题。第二步，确定一个或多个无须分解、可直接求解的最小子问题（称为递归的终止条件）

递归的两个基本要素是：
（1）递归关系式（递归体），确定递归的方式，即原问题是如何分解为子问题的。
（2）递归出口，确定递归体到何终止，即递归的终止（结束、边界）条件

4.枚举法
5.模拟法
6.分治法
7.贪心法
8.回溯法
灵魂之问：

回溯法的适用范围是什么？
回溯法的解的形式是什么？
回溯法的搜索空间是什么？
回溯法的搜索策略有哪些？
回溯法是如何进行减枝的？
回溯法的适用条件是什么？
回溯法存储搜索路径的数据结构有哪些？
回溯法实现的方式主要有哪两个？其伪代码如何实现？
搜索树节点数的估计如何实现？

回溯法又称为试探法，它是算法设计的重要方法之一，是一种在解空间中搜索问题的解的方法。即在问题的解空间树中，按深度优先搜索策略，从根节点出发搜索解空间树。算法搜索至解空间树的任一节点时，先判断该节点是否包含问题的解。如果不包含，则跳过对以该节点为根的子树搜索，逐层向其祖父节点回溯；否则进入该子树，继续按深度优先策略搜索。用回溯法求问题的所有解时，要回溯到根节点，且根节点的所有子树都被搜索一遍才结束。用回溯法求问题的一个解时，只要搜索到问题的一个解就可以结束。这种以深度优先方式系统搜索解的算法称为回溯法。

回溯法是尝试搜索算法中最基本的一种，它采用一种“走不通就掉头”的思想作为其控制结构。在用回溯法解决问题时，每向前走一步都有很多路需要选择，但当没有决策的信息或决策的信息不充分时，只好尝试某一路线向下走，到一定程度后得知此路不通时，再回溯到上一步尝试其他路线。当然，在尝试成功时，问题得解，算法结束。

回溯法求解问题由“试探和回溯”两部分组成

通过对问题的归纳分析，找出求解问题的一个线索，沿着这一线索往前试探，若试探成功，即得到解；若再往前走不可能得到解，就回溯，退一步另找线路，再往前试探。

从解的角度理解，回溯法将问题的候选解按某种顺序进行枚举和检验。当发现当前候选解不可能是解时，就选择下一个候选解。在回溯法中，放弃当前候选解，寻找下一个候选解的过程称为回溯。若当前候选解,除不满足问题规模要求外，满足所有其他要求，就继续扩大当前候选解的规模，并继续试探。如果当前候选解满足包括问题规模在内的所有要求时，该候选解就是问题的就一个解。

9.构造法
10.动态规划法
11.分支限界

操作系统：生产者和消费者问题（及伪代码实现）
多级反馈队列算法（Python版）
模拟分页式虚拟存储管理中硬件的地址转换和缺页中断，以及选择页面调度算法处理缺页中断
以电梯调度思想为主并考虑旋转优化的程序,对磁盘进行移臂和旋转

三操作系统

操作系统补充

1.操作系统的概念、功能和目标
2.操作系统的特征
3.操作系统的发展和分类
4.操作系统的运行机制与体系结构
5.中断和异常
6.系统调用

处理机管理

7.进程的定义、组成、组织方式、特征
8.进程的状态与转换
9.进程控制
10.进程通信
11.线程概念和多线程模型
12.处理机调度的概念、层次
13.进程调度的时机、切换与过程、方式
14.调度算法的评价指标
15.FCFS、SJF、HRRN调度算法
16.调度算法：时间片轮转、优先级、多级反馈队列
17.进程同步、进程互斥
18.进程互斥的软件实现方法
19.进程互斥的硬件实现方法
20.信号量机制
21.用信号量实现进程的互斥、同步和前驱关系
22.生产者和消费者问题
23.多生产者和多消费者问题
24.吸烟者问题
25.读者和写者问题
26.哲学家进餐问题
27.管程
28.死锁的概念
29.死锁的处理策略–预防死锁
30.死锁的处理策略–避免死锁
31.死锁的处理策略–检测和解除

存储器管理

32.内存的基础知识
33.内存的管理的概念
34.覆盖和交换
35.连续分配管理方式
36.动态分区分配算法
37.基本分页存储管理的基本概念
38.基本地址变换机构
39.具有快表的地址变换机构
40.两级页表
41.基本分段式存储管理方式
42.段页式管理方式
43.虚拟内存的存储概念
44.请求分页管理方式
45.页面置换算法
46.页面分配算法

文件管理

47.初识文件管理
48.文件的逻辑结构
49.文件目录
50.文件的物理结构
51.文件存储空间管理
52.文件基本操作
53.文件共享
54.文件保护
55.文件系统的层次结构
56.磁盘的结构
57.磁盘调度算法
58.减少磁盘延迟时间的方法
59.磁盘的管理

设备管理

60.I-O设备的概念和分类
61.I-O控制器
62.I-O控制方式
63.I-O软件层次结构
64.I-O核心子系统
65.假脱机技术
66.设备的分配和回收
67.缓冲区管理

四计算机网络

计算机网络补充

1.计算网络的概念、组成、功能和分类
2.标准化工作及相关组织
3.时延、时延带宽积、RTT和利用率
4.速率相关的性能指标
5.分层结构、协议、接口、服务
6.OSI参考模型
7.TCP、IP参考模型和5层参考模型
8.物理层基本概念
9.数据通信基础知识
10.码元、波特、速率、带宽
11.奈氏准则和香农定理
12.编码与调剂
13.物理层传输介质
14.物理层设备
15.数据链路层功能概述
16.封装成帧和透明传输
17.差错控制（检错编码）
18.差错控制（纠错编码）
19.流量控制和可靠传输机制
20.停止-等待协议
21.选择重传协议
22.后退N帧协议
23.信道划分介质访问控制
24.ALOHA协议
25.CSMA协议
26.轮询访问介质访问控制
27.CSMA-CA协议
28. 局域网基本概念和体系结构
29. 以太网
30. 无线局域网
31. CSMA-CD协议
32. PPP协议和HDLC协议
33. 链路层设备
34. 网络层功能概述
35. 电路交换、报文交换和分组交换
36. 数据报和虚电路
37. 数据交换方式
38. 路由算法与路由协议概述
39. IP数据格式
40. IP数据报分片
41. IPv4地址
42. 网络地址转换NAT
43. 子网划分和子网掩码
44. 无分类编址CIDR
45. ARP协议
46. DHCP协议
47. ICMP协议
48. Ipv6
49. RIR协议与距离向量算法
50. OSPF协议与链路状态算法
51. BGP协议
52. IP组播
53. 移动IP
54. 网络层设备
55. 传输层概述
56. UDP协议
57. TCP协议特点和TCP报文段格式
58. TCP连接管理
59. TCP可靠传输
60. TCP拥塞控制
61. 网络应用模型
62. DNS系统
63. 文件传输系统协议FTP
64. 电子邮件
65. 万维网与HTTP协议

五计算机组成原理

计算机组成补充

1.软硬件发展
2.分类及发展方向
3.系统结构
4.CPU及工作过程
5.IO设备
6.软件系统
7.五层结构
8.层次结构—2存储器
9.性能指标1—容量
10.性能指标2— 速度
11.进位计数法
12.进制转换
13.BCD码
14.字符
15.奇偶校验
16.海明码
17.循环冗余校验码更换
18.无符号数及原码
19.补码反码移码
20.移动运算
21.加减运算和溢出判断更换
22.原码乘法
23.强制类型转换
24.除法预备知识
25.原码除法与补码除法
26.浮点数的表示
27.IEEE754标准
28.浮点数加减
29.基本逻辑符号
30.加法器设计
31.主存简单模型和寻址概念
32.半导体存储器RAM
33.半导体存储器ROM
34.存储器基本概念
35.主存与CPU的连接
36.双口RAM和多模块存储器
37.局部性原理及性能分析
38.Cache-地址映射
39.Cache-替换算法及写策略
40.虚拟存储器
41.指令格式
42.指令寻址
43.数据寻址
44.数据寻址—偏移寻址
45.数据寻址—堆栈寻址
46.CISC和RISC
47.CPU的功能和基本结构
48.指令周期的数据流
49.数据通路1—CPU内部单总线方式
50.数据通路2—专用数据通路
51.控制器1—硬布线
52.控制器2—微程序
53.指令流线线的概念及性能指标
54.影响流水线的因素及分类
55.总线的概念与分类
56.总线的性能指标
57.总线仲裁
58.总线操作和定时
59.总线标准
60.IO系统基本概念
61.输入输出
62.外存储器
63.IO接口
64.程序查询方式
65.中断系统
66.程序中断方式
67.DMA方式

三计算机语言基础

一 Python
1.python入门

二 C++
2.c++入门

三 Java
3.java入门

四数据库基础

一数据库
(1)SQL
一范式

(2)NoSQL

一 Redis

二大数据技术
1.大数据概述
2.大数据处理架构Hadoop
3.分布式文件系统HDFS
4.分布式数据库HBase
5.NoSQL数据库
6.云数据库
7.MapReduce
8.基于Hadoop的数据仓库Hive
9.Hadoop架构再探讨
10.Spark
11.流计算
12.图计算
13.大数据在不同领域的应用

五数字图像处理理论基础

六数字图像处理技术基础

七医学图像处理理论基础

八医学图像处理技术基础

九 Linux操作系统基础

Linux入门

十英语写作基础

一英文写作
1.写作
2.翻译
二单词、短语、语句积累
1.单词和短语
2.语句
3.语法

三口语
1.深度学习方向口语

十一深度学习框架

一 Pytorch

1.pytorch的数据结构—tensor和variable
2.Pytorch—张量操作与线性回归
3.pytorch的自动微分—autograd和逻辑回归
4.DataSet与DataLoader
5.Pytorch入门—计算图与动态图机制
6.Transform：数据的预处理/数据增强
7.模型创建初步
8.权值初始化和损失函数
9.优化器讲解——十种
10.学习率调整策略
11.Tensorboard使用
12.hook函数与CAM可视化

--------------------------------------------------------------

13.损失函数讲解——十七种
14.优化器讲解——十种

二 Tensorflow
1.Tensorflow基础知识
2.卷积神经网络
3.文本及序列的处理，以及tensorBoard可视化
4.词向量、高级RNN和词嵌入可视化
5.Tensorflow抽象与简化
6.队列、线程和数据读取
7.分布式Tensorflow
8.用TensorFlow导出和提供服务模型
9.模型构建和使用TensorFlow Serving

10. Keras与深度学习

第一部分深度学习基础
第1章什么是深度学习
第2章神经网络的数学基础
第3章神经网络入门
第4章机器学习基础

第二部分深度学习实践
第5章深度学习用于计算机视觉
第6章深度学习用于文本和序列
第7章高级深度学习的最佳实践
第8章生成式深度学习
第9章总结

十二软件工程应用

一 J2EE

1.Java Web开发入门讲解
2.JSP
3.Servlet
4.JavaBean、Filter、Listenerr
5.JDBC
6.MVC和DAO
7.EL和JSTL
8.Struts2框架
9.Hibernate框架
10.Spring框架
11.Maven

二 ASP

三 Android

四高性能编程

五高并发中间件
1.Http中间件
Nginx：Nginx入门

2.消息中间件
ActiveMQ:ActiveMQ入门

六容器化技术
1.Docker:Docker（一）
2.K8S:K8S入门

七分布式微服务架构
1.Dubbo:Dubbo入门
2.zookeeper:
3.
八深度模型部署
1.Tensorflow部署：

TensorflowServing（服务器端部署模型）
TensorFlow Lite（移动端部署模型）
TensorFlow.js

九前端
1.html
2.css
3.js
4.bootstrap（框架）
5.vue(渐进式前端框架)
6.React
7.Angular
十持续部署

jenkins

十一后端
node.js

十二网络服务
Linux网络服务

十三大数据监控
1.Flink
2.Blihk

十三机器学习

一传统机器学习

1.机器如何学习
2.机器学习三要素：数据、模型、算法
3.模型的获取和改进
4.模型的评价指标和质量
5.最常用的优化算法—梯度下降法
6.线性回归
7.逻辑回归
8.朴素贝叶斯分类器
9.决策树
10.SVM—支持向量机
11.SVR—支持向量回归
12.HMM—隐马尔可夫模型
13.CRF—条件随机场
14.KNN—K邻近算法
15.K-Means
16.谱聚类
17.EM算法
18.GMM—高斯混合模型
19.PCA—主成成分分析
20.感知机和神经网络

一.一机器学习实战
1.K邻近算法：约会网站配对、手写识别系统
2.决策树：使用决策树预测隐形眼镜类型、天池O2O优惠卷使用预测
3.朴素贝叶斯：过滤垃圾邮件、o2o
4.逻辑回归:从氙气预测病马的死亡、o2o
5.SVM:手写体识别、o2o
7.集成算法：在一个较难数据集上应用AdaBoost、o2o
8.线性回归：预测鲍鱼年龄
9.CART树：树回归和标准回归的比较、o2o
10.k-means：对地理坐标进行聚类
11.PCA:菜馆菜肴推荐系统、基于SVD的图像压缩

二机器学习和神经网络
1.绪论：面向机器学习的神经网络
2.感知器的学习过程
3.线性/逻辑神经网络和反向传播
4.学习特征词向量
5.用神经网络进行物体识别
6.模型优化：如何加快学习
7.循环神经网络RNN
8.提高神经网络模型的泛化能力
9.结合多重神经网络提高泛化能力
10.Hopfield网络和玻尔兹曼机
11.限制玻尔兹曼机
12.深度置信网络
13.生成预训练的深度神经网络
14.神经网络的模型分层结构
15.深度神经网络的应用

三深度学习CV方向论文
1.Deep Learning
2.AlexNet
3.VGG
4.ResNet
5.GoogleNet
6.RetinaNet
7.YOLO v1
8.YOLO v3
9.SSD
10.DSSD
11.RCNN
12.Faster RCNN
13.Mask R-CNN
14.MTCNN
15.Facenet
16.FCN
17.U-Net
18.DeepLab
19.SegNet
20.PSPNet
21.LinkNet
22.目标跟踪器的综述和综合测评
23.FCNT
24.GOTURN
25.Siamese
26.CTPN
27.CRNN
28.hourglass
29.SENet
30.DRRN
31.LapSRN
32.PDN
33.PASSRnet

四深度学习NLP方向论文
1.Deep Learning
2.词向量
3.句和文档的embedding
4.机器翻译
5.transformer
6.GloVe
7.Skip Thought
8.TextCNN
9.基于字符“从0开始学习”的文本分类
10.动态卷积网络和n-gram思想用于句分类
11.fasttext
12.层次化attention机制用于文档分类
13.PCNNATT
14.E2ECRF
15.多层LSTM
16.基于卷积网络的seq2seq
17.谷歌的神经网络机器翻译
18.UMT
19.seq2seq
20. End-to-End Memory Networks
21. QANet
22. 双向Attention
23. Dialogue
24. SeqGan
25. R-GCNS
26. 大规模预料模型
27. Transformer-XL
28. TCN
29. Deep contextualized word represntations
30. BERT—NAACL
31. ARNOR
32. ERNIE

五推荐系统实战（电影推荐、电商推荐）

十四前沿探讨

为ML带来拓扑学基础，Nature子刊提出拓扑数据分析方法
对话刘士远教授：互联网+AI医学影像的春天已经到来
ALBERT一作蓝振忠：预训练模型应用已成熟，ChineseGLUE要对标GLUE基准
从原理上认识XGBoost
自监督的半监督学习
AI可解释性文献列表
小孩都看得懂的循环神经网络
数学与 AI「融通」，徐宗本院士进行超强“迁移学习”
有效的文本分类技巧包

十五物理学基础

普通物理学
量子力学

十六软件工程概论与思想

入门

十七选修课程体系

像经济学家那样思考：信息、激励与政策
工程经济学
人工智能与信息社会