本文分为两部分:第一部分介绍我学习的过程，第二部分介绍对新人的指导规划
个人反思
总览下我的学习过程，我的学习过程分为一些几个阶段：
（1）2017年7月以前 : 没有来学校之前，意识到自己以后开始由java转python,所以花了20天左右的时间，每天三个小时学习python语言，主要看的是小甲鱼的python视频，看了50集视频，外加做了15课的作业
平台在这里：https://fishc.com.cn/forum-173-1.html 另外我有我同学给我的鱼C至尊会员号，需要的话可以跟我要。
总结：python语言基本理论会的的差不多了
（2）2017年7月4号 - 8月22号：提前来到学校，老师给我安排了一个数据收集的任务，做的事情就是下面我的简历里写的那样，基本每个平台写四天，写完之后去找老师汇报，在这个过程中练会了两个技能：python数据爬取和python基本语法。
数据爬取也就是爬虫那些东西，同时练会了python常用的容器的使用，基本通过这一个月的工程锻炼把python语法练熟了。
在机器学习方面，将（深度学习基础介绍-机器学习(Python)）系列视频看到7.4节，每节课整理成笔记，因为算法太难了，写了才能真正吸收，有利于以后回顾，笔记就类似下面这样（其实就是大量照写加心得）。
此外有挑选的看了《机器学习实战》中的以下章节：k-邻近、决策树、朴素贝叶斯、logistic回归、Adaboost元算法、回归、k-均值、PCA降维，这样有挑选看的，每章代码一点点琢磨看通运行调通，并将k-邻近、决策树、朴素贝叶斯、logistic回归代码写三遍（一遍抄写、二遍有点感觉的抄写、三遍自己写不懂的回看）。
总结：通过工程锻炼学会python的基本使用，学会了数据爬取，机器学习方面学会了浅层理论（不会推导），知道了一些算法的实现思想，如何用python不掉包实现基本机器学习算法。
（3）2017年9月1号 - 2017年12月：此时期是最快的长进期，老师出国三个月，这三个月里最开始想打机器学习比赛来锻炼自己，所以在天池平台试了试，结果发现自己好垃圾，根本没这个实力，除了会点理论，拿点数据给我我都不知道怎么训练一个算法，怎么去写一个解决问题的简单的基线，所以开始沉淀学习，花了两个月时间看了一个视频和一本书，学了一本笔记。
视频是（1——七月算法培训__三月机器学习在线班）从第一课学到第12课+14、15、16课，基本每节课两个多小时，简单的课每节基本上看两天，难的看4或者五天，比如当初学支持向量机，是花一天时间反复看视频，看了4遍左右，一天多时间找资料，看博客，看论文，看书，最后发现《统计学习方法》解释的最清楚，就按照那上面的理解透了，最后花了一天多时间打笔记，仅这一算法写了15页笔记。
书主要看的是《统计学习方法》，基本算是一本书看透了，从感知机开始到隐马模型，最后一章条件随机场没看，因为感觉没用到（最近发现，nlp里面要用到条件随机场，又学了一遍，这本书算是看完了），算是把机器学习的大部分算法的原理理解的差不多了。
一本笔记（主要依靠视频和书每个算法推导下来的），算是把整个机器学习的理论给推导下来了，笔记本的体系包括 数学基底（常用的优化学、微积分、概率论、线性代数）、线性回归、逻辑回归、梯度下降、最大熵模型、决策树、聚类算法（k-means聚类、层级聚类、密度聚类）、随机森林、GBDT、竞赛神器XGBoost、Adaboost、贝叶斯网络、支持向量机、EM算法、隐马模型
此外有一门讲的非常好的课，会一个个介绍机器学习算法，并编程介绍怎么实现（如果提前看了 《机器学习实战》，会觉得课程很轻松，不然真的是 这门课一半以上人都听不懂），这门是研一上学期贾老师的机器学习 课程。
总结：通过一个个机器算法理论的学习，最主要的是树立了自信，知道了每个算法怎么过来的，而不是刚开始时候感觉会点东西，但是又感觉什么都不会，并且看着自己写的笔记，能很快在面试前重新掌握这个算法（找工作时候别人很看重你对推导过程的理解）
（3）2017年12月- 寒假：这段时间因为老师回国了，老师让学习深度学习方面的知识，并在学会后做成ppt跟老师交流，所以我们开始了学习深度学习的过程，这段时间学习的成果就是给你们的5个ppt,我们当时分别学习了：DNN（深度神经网络）、CNN(卷积神经网络)、RNN(循环神经网络)、迁移学习、强化学习理论，并学习了一个多月的深度学习框架Tensorflow, 我们当时是这样的，一个多星期学习DNN，将DNN原理、推导过程、外加一个案例做成第一个ppt,一个多星期学习CNN，将CNN原理、推导过程、常用CNN网络做成第二个ppt，依次下来完成5个ppt,并在做案例过程中学习对tensorflow框架的使用。
视频看的是： （DL_11月深度学习班）、（12-python视频 神经网络 Tensorflow 模块 视频教程 (带源码)）、（TensorFlow框架案例实战）、（迁移学习）、（12.July在线-生成对抗网络）
书籍没咋地看，看了本《tensorflow实战》
总结：一个多月时间学习了深度学习常用算法的理论，掌握了深度学习框架Tensorflow，并在做ppt过程中把整个深度学习常用的算法理解透了。
（4）2018年3月开始 -4月初：下学期生活，开始时候跟你师姐一起每天都在学习Tensorflow框架，看了很多书，其中看完了《Tensorflow技术解析与实战》（强烈推荐）、《神经网络和深度学习》、看并敲代码看了三分之二的《Tensorflow机器学习实战指南》，以及《Tensorflow实战》，就这些吧，一直在练习Tensorflow框架的使用，这样的生活持续到清明节。
总结：这段时间主要是迫切想锻炼工程能力，收获是对Tensorflow用的更熟练了。
（5）2018年清明节-2018年6月：老师让打KDD CUP比赛，KDD CUP2018任务是预测未来48小时的空气质量，但是感觉自己除了会点算法什么都不懂哎，就在QQ群里问谁想打比赛，结果一呼百应，来了5个人一起，外加本校的一个、和你师姐，组成8人队伍打比赛，之后一个月里面，开始看资料、问人怎么去打数据挖掘竞赛，从基本的数据处理开始（慢慢的其他人都不靠谱，在群里不怎么回应了、我和你师姐就撑起队伍，emm....因为是老师要求的不敢放弃）一点点的整理清洗数据、自己造特征，用pandas做数据整理将数据转成模型的结构，一个多月时间，尝试了时空残差网络、GBDT、XGBoost各种模型方案，每天早上7点来提交结果，下午三点等待线上分数和排名变化，这样经过一个多月时间直到比赛结束，得到最后很一般的排名80/4200，顺便有一个还行的简历内容。
认真打一个比赛真的非常锻炼人，经过这次比赛，我主要是学会了一种技能：有了给你一些数据，你能直到怎么对这些数据做处理、让模型跑出好的结果的工程能力。 说着简单，里面却是包含了非常多的东西，包括数据预处理，怎么组织数据、怎么处理异常数据、怎么做数据变换、怎么有效整理存储数据、怎么选模型、怎么跑模型、怎么调和融合模型得到好的效果，并且认识了好多大佬，交了一些名校的朋友，增长了很多见识，算是融进数据科学这个圈子里了。
视频看的是： （10-Kaggle课程 ）
书看的是：《利用python进行数据分析》
此外研一下学期有门讲的非常好的课，名字叫大数据重建方法，专门讲pandas、numpy、matplotlib这些做数据处理需要的东西，你们可以学习下。
总结：这段时间最大的收获就是打了一场顶级数据挖掘赛事，通过这个过程锻炼了工程能力，学会了应对真实世界不干净、复杂数据的处理方法，掌握了怎么利用机器学习知识和深度学习知识解决实际问题的流程， 使得之前学习的理论基础切实的学以致用，感受到人工智能的强用途，并为自己的简历填色。
（6）2018年6月-至今：将之前打的比赛写成论文，给老师做用强化学习应用于路径规划的事情，做了个国网问答的项目，打kaggle上的赛事，为自己简历积攒点内容，就这些把，码太多，手有点累。
总结：6个阶段把，慢慢来吧，祝你们好运！