学习时间：6h/day or 40h/week
下午CS229课程+西瓜书公式推导，交叉进行
1.斯坦福CS229机器学习课程【英语听力+数学】【total:40h;3h/2 day】【笔记本】
2.《西瓜书》【数学】【total:50h;3h/2 day】【笔记本】
晚上ML作业+论文+《PyTorch深度学习实践》/《利用python进行数据分析》（交叉进行）
3.网课《PyTorch深度学习实践》【pytorch框架】【2h/2 day】【在线编程】
4.书《利用python进行数据分析》《python3数据挖掘》【python编程】【2h/2 day】【在线编程】
5.ML作业【编程】【2h/day】【Kaggle】
天池数据挖掘比赛【python编程】【1 times/month】【天池notebook】
数据挖掘比赛【pytorch框架】【1 times/month】【csdn】
论文
购书
购置设备
对论文进行认知，形成近期任务清单
目标1-5
3.输出目标1-5输出：
1.暂无
2.决策树公式推导（ID3、C4.5、CART）
3.暂无
4.巩固python的函数与对象+numpy
5.二手车交易价格预测的数据分析模块
论文：论文ICLR 2019 《Manifold Mixup: Better Representations by Interpolating Hidden States》前三部分（正文1-5页）
学习的状态持平，专注时间持平
4.困难近两个月有1个硬件课设（verilog+机械臂）和1个软件课设（北航的操作系统实验），将熟悉云服务器、虚拟机、Linux指令，复习嵌入式、操作系统的知识。
配置设备出了些意外，维修需要一定耗时。
高维数据分析教材需要反复阅读，加深理解。针对背景知识漏洞，拟计划借阅中文书籍+复习线性代数相关知识点。
5.下一阶段 调整理论方面，本周需要完成西瓜书神经网络模型，之后是支持向量机+集成学习模型
编程方面，本周需要加深Pytorch的神经网络应用+pandas的系统学习，之后是matplotlib+seabon+scikit-learn。
比赛方面，本周需要完成二手车交易价格预测 特征工程建立+基础模型的建立求解，之后是模型融合。
论文方面，本周需要尝试对论文算法部分的理解，之后是算法的pytorch实现。
挑战比赛方面，调参恐怕是玄学，需要耐心。
背景知识积累不足，论文的理论部分需要有人带读（事实上，b站有up主论文解读做的不错，可以借鉴学习），现阶段的论文学习聚焦于背景介绍+算法实现部分可能才合适。
