Physics --> Computer science 写给自己的鸡汤 ： 基础重要，兴趣更重要
| 1. 列表和元组 | 7. 条件和循环 | 13.参数传递 | 19. 垃圾回收机制 | 25. Matplotlib 科学绘图 |
| 2. 字典和集合 | 8.异常处理 | 14.迭代器和生成器 | 20. python 调试和测试 | 26. ... |
| 3. 字符串 | 9. 自定义函数 | 15. 面向对象编程 | 21.ORM 框架操作 MySQL | |
| 4. 输入和输出 | 10. 匿名函数 lambda | 16. 协程 | 22. Python 中使用 MySQL | |
| 5. Print函数详解 | 11. 装饰器 | 17. 并发编程 Futures | 23. Python3.8 新特性 | |
| 6. f-Strings用法 | 12.模块化 | 18.全局解释器锁(GIL) | 24. Python Pandas 使用更高效 |
| 1. 快速合并两个字典 | 2. 字典中的 get() 方法 | 3. namedtuples 简洁定义class | 4. 字典按照 value 排序 | 5. python 中常用迭代方法 |
| 6. 函数中的 -> 是什么意思 | 7.函数参数解包(* , ) | ... |
| 数据处理 |
|---|
| 基本数据预处理 |
| 数据处理 5 种采样方法 |
| 机器学习中的特征选择 |
| 机器学习中自动化特征工程 |
| 机器学习中训练集和测试集验证集 |
| ... |
| 基本模型 |
|---|
| 单元线性回归 |
| 多元线性回归 |
| 罗辑回归 |
| KNN简单实现 |
| SVM原理简述 |
| SVM 原理详述 |
| SVM 用作(多项)回归 |
| 神经网络模型简述 |
| CNN简述 |
| RNN简述 |
| ... |
| RNN 模型 |
|---|
| 理解为什么 RNN 模型这么有效 |
| LSTM 新手常见问题 |
| 使用 LSTM 预测时间序列数据时候的陷阱 |
| Attention 机制理解（1） --- Seq2Seq 中的 attention |
| 神经网络(RNN) 参数调节 |
| ... |
| 时间序列数据分析步骤 |
| 时间序列预测中的 Baseline predictions |
| 深度学习进行信号处理和时间序列分析 |
| TensorFlow Probability 中的结构化时间序列模型 |
| 使用 LSTM 预测时间序列数据时候的陷阱 |
| ... |
| Tenserflow 基础知识 |
| Keras 中 Callbacks |
| 提取 Keras 中的模型 weights |
| Keras 中模型的保存和重新导入 |
| Keras 模型结构可视化 |
| ... |
| 粒子群算法 |
| ... |
| 推荐系统_概念 |
| 内容推荐 |
| 近邻推荐-协同过滤 |
| 矩阵分解 |
| 深度学习推荐 |
| ... |
| 1. SQL 关系数据库概述 | 7. MySQL 基础架构 |
| 2. MacOS 安装 MySQL | 8. MySQL 事务原理理解 |
| 3. SQL 创建数据库表 | 9. MySQL 日志系统 |
| 4. SQL 查询数据 | ... |
| 5. Python 中使用 MySQL | |
| 6. Pyhton ORM 框架操作 MySQL |
| 1.ip地址 | 7.路由协议 | 13.P2P 协议（文件下载） |
| 2.配置IP地址 | 8. UDP 协议 | 14.流媒体协议（视频数据传输) |
| 3.物理层和 MAC 层 | 9.TCP 协议 | 15.数据中心 |
| 4.交换机 和 STP | 10.HTTP 协议 | 16 .CDN 分发系统（网站访问的“就近配送“ |
| 5.ICMP协议 和 ping | 11.HTTPS 协议 | 17. ... |
| 6.网关 | 12.DNS 协议（网络世界地址簿） |
《图解算法》 对算法和数据结构进行简单的入门的介绍
| 1.《图解算法》学习笔记 | |
| 2. 复杂度分析 | |
| 3. 数组(Array) | |
| 4. ... | |
| 5. | |
| 6. |
| 空 |
|---|
| ... |
| 1.冯·诺伊曼体系结构 |
| ... |
| Jupyter Notebook 使用技巧 | Chrome实用插件 |
| GitHub使用技巧 | Mac app 使用推荐 |
| Git 命令学习 | mac iterm2 配置 |
| ... | ... |
好的学习网站特别多，下面只列出一些我经常会去学习的
| 网站 | 个人感觉 |
|---|---|
| 极客时间 | 上面很多都是极客的学习笔记（虽然知识付费，但是我个人觉得有些课还蛮值的，快速 系统） |
| 廖雪峰大神的python教学网站 | 不太适合 0基础小白 |
| Real Python | python相关 知识介绍的特别详细 |
| Jason Brownlee 大神的个人机器学习网站 | 内容全面， 代码清晰易懂， 会认真回复你的疑问 |
| 刘建平Pinard 大神的个人博客 | 数学推导详细易懂，扎实基础 |
| 科学空间 苏神 | 各方面的知识都有，每篇都写的很透彻 |
| 酷壳 耗子叔个人博客 | 骨灰级程序员，能学到太多 |
| Sklearn 官方网站 | 能够快速的实践起来 |
| 莫烦 | 机器学习方面的知识都是视频课程 |
| 3blue1brown | 数学知识真的讲的深入浅出，直观明了 |
| Neural Networks and Deep Learning | 有关神经网络介绍的很详细很透彻 |
| Medium | 很多很有深度的技术博客， (国内很多很多公众号文章都是从这里搬来的) |
| ... |
我读的书少， 这些是我读完觉得很有收获的
-
《图解算法》
-
《python从入门到实践》
-
《Python编程快速上手 让繁琐工作自动化》
-
《流畅的 python》
-
《统计学习方法》
-
《机器学习》
-
《机器学习实战》
-
《利用 python 进行数据分析》
-
...