2017年记录CS+CV

• 2017年3月开学，始终感觉自己计算机基础薄弱，加上之前自己也开始对机器学习，深度学习有一些了解，始终感觉没有入门。自己开始规划系统学习计算机软件（CS）和计算机视觉（CV）的基础知识。@2017/9/04/update

2017上半年巩固CS基础课程

CS_class repository

• 数据结构
• 操作系统
• 数据库系统
• 计算机网络
• 算法分析和设计
• 侯捷STL分析
• 牛课网直播开课精讲
• 总结

- 从2015年10月开始接触计算机软件，最开始使用C/C++，学习巩固基本的语法，看了课本教程；了解了C++11的基本使用，知道STL, MFC，模板，容器等（感觉以前真的什么都没有学到，虽然还搞过java,android的）。
- 开始做毕业设计，主要使用Qt进行界面开发，然后也学习了基本的网络socket-Tcp/Udp编程；了解了多线程的使用；这个项目其实算比较完整的一个，对C++类的继承，方法，属性有了深入的理解；当然这期间也在牛客网上刷了一些题，接触了很多东西。自己这段时间又把数据结构重新看了一遍。
- 然后就到了毕业2016年7月，暑假跟着学姐修改一个用MF写的软件的一些bug;这个过程其实基本都是百度各种MFC的使用；然后用给了我们TIP的文章说研究一些纹理分类，开始真正的阅读论文，其实都是只是学习了前部分的LBP特征算子，后面就不了了之，暑假差不多就完了。
- 暑假开始也想完整的学习图像处理整个知识体系；2016年9月开始将冈萨雷斯的《数字图像处理》matlab版的代码跑了一些，其实那个时候只是直观的感知那些方法，并没有深刻的认识。
- 2016年10月开始接触点钞机图像算法，跟着学姐做一些内容，开始熟悉整个图算算法流程；慢慢的自己也开始完成一些小的需求。研一上半学期基本都是维护图像角点模块的代码，慢慢的熟悉了这个模块代码的细节。另外自己上课有《图像测量与机器视觉》开始比较系统的学习了图像处理整个知识体系，开始使用opencv做一些实验demo。
- 2017年3月苏州出差回来，开始在大学生MOOC上跟着学习浙大的《数据结构》，感觉讲的很清楚，就跟着学习加深以前的理解，同时也注册了Coursera《Machine Learning》Andrew Ng的课程，大概这两个月的时间主要一部分精力花在两个课程上，结果也多获得了证书。虽然到差不多5月的时候，后面课程有点放松，但最后还是感受到了坚持学习的效果。
- 2017年5月开始自己也转向做图像质量评价，这期间阅读一这个方向的一些经典的paper,然后开始试验。
- 2017年5月20左右自己又在网易云课堂上对《算法设计与分析》开始学习，对经典的几大算法有了了解，但是的确比较难，后续没有跟着学习。同时知道了微专业这个好东西；然后搜索到了C++的系列课程，开始学习《STL源码剖析》也讲的比较容易理解（5.26--8.1）。有一天别人问数据库的问题，然后激起了学习数据库的决定，在大学生MOCC上学习哈工大的《数据库系统原理》（6.24-7.15）；期间又看到哈工大的计算机系列课程，学习了《操作系统》（6.24-7.15），计算机网络由于时间也以前学过的就没有学习，有一部分对流量控制以后再看。
- 2017年7月自己又开始IQA论文的实验，最后自己水了一个点子，开始写了一篇中文EI。

• 综上自己对基本的CS课程巩固了一遍，然后自己期间也接触了一些机器学习和深度学习的内容，然后开始关注计算机视觉领域，发现自己越来越感兴趣了。紧跟学术前沿，更加坚定了自己从事计算机视觉领域算法职业的目标！

2017下半年深入CV

CV_class repositoty

• Coursera机器学习20170410+斯坦福CS231n学习
• Python机器学习应用
• scikit-learn
• CS231

总结

- 2017年8月开始自己收集到了大量图像处理，机器学习，深度学习的资源，很多值得学习的内容。期间学习了sklearn使用《Python机器学习应用》课程。

9.10.11月计划

- machine learning action - 机器学习实战：基本机器学习算法的巩固
- 跟着视频《基于深度学习的计算机视觉》深入图像基础，深度学习在识别（分类，检测），分割，描述，生成等方面的应用
- 看能否跟着Coursera上Andrew Ng的深度学习课程，弄个证书
- 最后选择一个刚兴趣的方法深入研究一下

2017.10.19

回顾一下前一段的事情

• 9月份开学：machine learning action跟着python2.7学习的前十章，还有非监督的一点内容没有完成，同步开始学习《基于深度学习的计算机视觉》对深度学习基本网络有一定的认识，还有最后一章没有完成，开始学习TensorFlow基本教程
• 9月下旬开始kaggle和阿里天池的比赛，然后十一过来精力一直在比赛模型上，忽略继续跟进学习
• 10月因为比赛，开始真正跑CNN网络的代码，学习使用keras，虽然现在模型有点瓶颈，但是还是要坚持做下去

最近一个月安排

• 可能论文出结果
• 完成《machine learning action》，《基于深度学习的计算机视觉》，Andrew Ng深度学习课程
• CS231没时间看了，买一本深度学习的书籍
• 比赛结束

2017.12.05

最近三个月CV学习

• 9,10,11三个整月入门计算机视觉领域，学习了python,sklearn等机器学习工具，tensorflow,keras等深度学习框架，上了几门网络课程
• 执行完《machine learning action》书代码(熟悉了基本机器学习方法，有的又忘了)，看完《基于深度学习的计算机视觉》(对深度学习在计算机视觉领域的应用有了全面的掌握)，学习完Andrew Ng在deeplearning上的四门课程(视频没有看)
• 参加了阿里天池的智能算法大赛，熟悉了keras使用，获得Top50的成绩
• 在kaggle上找了一些分类，预测，推荐的机器学习，深度学习的项目，需要时间细心的完成！另外关注了京东的猪脸识别任务。
• 完整的进行了caffe,tensorflow深度学习框架在utuntu下的安装，对keras，TensorFlow api不太熟悉，需要深入应用。接下来试试学习pytorch工具！
• iqa论文经过退修并被正式录用！！！

最后两个月安排

• 实验iqa在迁移学习下的效果
• 深入熟悉TensorFlow，keras框架基本原理，多看官方文档
• 精心高质量完成kaggle上的几个任务
• 坚持阅读经典的计算机视觉领域的文章paper,每周两篇左右，坚持20篇左右
• 完善各种不明白的概念，系统完整的图像，机器学习，深度学习知识体系
• cs231了解，买一些深度学习的书籍

2018.01.14

• 进行了iqa的迁移学习，然后对感觉深度学习做起来有点乏力，而且感觉时间比较紧，应该复习了，于是乎。。。
• 从2017年12月20日开始突然开始转向刷题和复习CS基础
• 经过差不多25天的时间把数据结构，C/C++差不多复习了一遍，接下来就是完成机器学习和深度学习的基本概念和理论推导
• 争取了在寒假离校之前完成基本的复习工作，总结出来，回家也可以巩固
• 准备简历，将简历涉及的内容准备出来