转眼已经2019年了，回望过去，经历很多，变化很大，感觉有些恍惚~
最大的变化无非几个月之前入职新公司，继续运筹优化方面的算法工作。新公司，新环境，信息量很大。适应了几个月之后，发现有必要重新梳理自己的知识结构，并且用心去整理和沉淀一些东西。思索了半天又搜索了半天，才想到这个已经被我荒废多年的地方…结果竟然登录成功，庆幸CSDN还没有倒闭，以前的文章竟然还在。惊喜之余决定以后就在此处记录我的点滴收获，希望与大家共勉！
今天是开年第一帖，主要想理一下目前的知识体系和以后的学习路线。
自己想了想，决定兴趣点还是在最优化的算法上，不过现在这年景，搞算法不得不会一些ML/RL一类，虽然不太感兴趣也不得不考虑，谁让咱还没财务自由呢……………于是，本篇也是围绕运筹和人工智能相关算法进行思考。
我想要什么
（排名不分先后）
- 对运筹优化领域有个整体了解。对遇到的现实问题有初步解决方向。
- 对基础Learning算法（ML/RL...）有整体了解，并且对大家常提到的算法和概念能够迅速理解和实现。
- 希望在目前的业务领域（库存优化）成为专家，有提供专业解决方案的能力。
- 对自己设计的算法有实现的能力，并且实现的方式要优雅，要进行架构设计
我有什么
- 10年的计算机背景，我对自己在计算机方面的能力有信心，虽然很多技术学完之后没有得到锻炼，目前都已经还给老师，但是如果需要上手还是不会太慢的。
- 运筹方面只在读博之前才开始接触，不算科班出身，博士研究的角度又偏理论，导致基础薄弱。这方面是个短板。
- Learning方面有过初步了解，但是不够深入。特别是本科高数微积分没学好…导致现在看到理论的部分就头疼。
- 库存优化方面以前从未接触过。
- 上进心。
我需要做什么
学了这么多年，学了这么多东西，我现在由衷觉得只有长期实践过的东西才能真正掌握。所以现在应该优先学习的不是有用的东西，而是当下就需要用的东西。
- 首先学习运筹学之中关于库存优化的部分，力图能完美完成手头的工作，为学习其他内容赢得时间。风险：老板不会让我闲着的…
- 学习运筹学中的其他方法，力求形成整体观。如stochastic optimization, game theory, queuing theory, network flow, etc.
- 学习经典的人工智能方法，并力图掌握神经网络，RL等，要有实现过程。
- 以上学习的过程中，肯定会遇到难点，这时候再去顺便把涉及到的基础知识夯实：
- 概率论和数理统计（运筹和学习都要用）
- 微积分。主要关注的是理解的深度而不是计算过程
- 线代，矩阵运算。主要关注的是理解的深度而不是计算过程
- 学习方法要灵活：多种资料结合，可别是可以follow优秀的在线课程，比如MIT
- 最后在实现的时候要顺便夯实架构设计（设计模式），以及编程语言（JAVA, Python）
以上这些，够整个2019年忙的了！
PS:这个链接里也有很有用的运筹和机器学习的知识体系信息，分享给大家：https://zhuanlan.zhihu.com/p/33999430