2017年学习总结

2017年就要结束了，总结下2017年的学习：

1、复习了机器学习，深度学习与神经网络，caffe的使用

    对机器学习中的KNN，线性回归、广义线性回归，logistic回归、BP、决策树、随机森林、SVM有了更加深刻的理解。

    caffe也能使用GPU版本运行，基本上了解了caffe的构建和应用。

    对深度学习与神经网络有了更加深入的理解，自我感觉已经快要融会贯通了。

2、学习了opencv、matlab、python的相关课程

    接触了更多实际的问题，加开阔了自己的眼界。对matlab的应用也是更上一层楼。

    python的学习尤其重要，python在机器学习中应用非常非常多。

    对于遗传算法，贪心算法，PCA，相关性等等问题，以前觉得挺高深，现在都可以轻松解决，实际使用。

3、tensorflow学习

    tensorflow是2017的学习重点，和深度学习的理论互相验证，互相提高。

4、ubuntu、树莓派的使用

    对linux系统从一无所知，到用的比较溜了。

    总体来说，学习的进步是非常巨大的。有几天是比较值得自豪的：

1 使用mnist作为一个通用的学习数据，这点和后来阅读的的各种书籍、文章中众多作者的想法不谋而合。

2 在短短2个半月内已经完全的提高了自己的水平，可以说这2个半月，实现了技术上20年，甚至40年的飞跃。

    遗憾的地方：

    学习的时间太短了，如果在5年前，哪怕是3年前按这个进度学习，那么今天能到什么水平？简直难以想象。