• 线性代数
• 概率和统计
• html/css
• python
• shell脚本
• 代码整洁之道（编码规范）
• 数据科学
• 微积分
• 深度学习入门

线性代数

1. 行列式的计算
2. 线性代数要解决的问题：线性方程组的求解
3. 向量，方程组，矩阵。三者在一定条件下，相互等价。
4. 秩(rank)
5. 特征值与特征向量

概率和统计

1. 卡方分布： 探究自变量的类别是否与因变量相关
   1. 置信度和置信区间。在多次实验中，位于置信区间内的次数/总实验次数
   2. 样本和总体。根据样本，做出假设 ==》根据假设，得到理论值 ==》根据理论值和样本值，得到卡方分布的统计量 ==》 统计量对表，选择是否接受假设。
   3. 点估计和区间估计。点估计对于某个样本，精确度高。区间估计，丧失了精确度，保留了置信度，一般选择95%
2. 统计学的意义：用统计量来表征原始数据。原始数据的误差也要考虑在内，即样本的选取。
   1. 从经验出发，得出反直观的结论。不同于方程式。

      html/css

3. 标签的语义，像报纸一样。
4. 一样有抽象，即抽离出公共部分

   python

5. 内存管理。原子类型，容器类型。变量基本都是引用。操作符和函数类似。根据原子类型被引用的次数，来进行垃圾回收
   1. 直接赋值：等号
   2. 深复制。copy.copy()
   3. 浅复制。copy.deepcopy()
6. 运行机制：先编译为字节码，然后在虚拟机上解释执行。pyc是被编译过的文件，一般当文件作为模块被其他文件引用时，被引用的文件会生成.pyc
7. 装饰器。sys库执行脚本命令

   shell脚本

8. 管道操作。短路技巧。
9. 直接和系统级的命令打交道。
10. 有：变量，数据类型（整数，实数），数据结构（数组，字典），控制结构

    代码整洁之道（编码规范）

11. 变量名、函数名：下划线分割，全部小写；少用驼峰法
12. 类名驼峰法，首字母大写
13. 注释规范。可以写TODO(maill@example.com):task

    数据科学

14. 搜索：爬虫爬取、搜索引擎优化（SEO）、链接分析
    1. 评价指标：准确率（查中的/返回的结果），召回率（查中的/真实的结果）
15. 数据挖掘与数据库（采集==》预处理==》加工==》模式识别）
    1. 预测型任务
    2. 描述型任务（聚类，解释数据）
16. 自然语言处理

微积分

深度学习入门

1. tensorflow框架的安装（三种方式）
   1. virtualenv: 隔离的环境
   2. pip
   3. docker