• C语言
  • 刷题:
    • 数学: 数论
  • 时间空间复杂度计算
  • 算法:
    • 二分查找
    • 贪心算法
    • 排序算法
  • 高等数学
  • 组策略编辑

  • C++
  • 栈和队列
  • 算法
    • 树: 深搜广搜, 前序中序后序遍历
    • 分治策略
    • 排序算法
    • 动态规划
    • 最大子串和
    • 最长公共子序列
    • 最长单词递增子序列
    • 01背包
    • 完全背包
    • 数论
    • 扩展欧几里得算法
    • 求逆元
    • 同余方程
    • 中国剩余定理
    • 图论
    • 图的存储
    • 欧拉回路判定
    • 单源最短路
      • Bellman-Ford算法及Dijkstra算法
    • 最小生成树
      • Kruskal算法及Prim算法
  • C语言网络编程, C语言多线程编程
  • 刷题:
    • 矩阵运算

  • STL 熟悉
    • STL基本容器和函数, 看懂STL源码
  • 数据结构
    • 字典树
    • 并查集
    • 树状数组
    • 简单线段树
  • 图论:
    • 优先队列优化Dijkstra算法及Prim算法,
    • 单源最短路径之SPFA,
    • 差分约束系统,
    • 多源多点最短路径之FloydWarshall算法,
    • 求欧拉回路(圈套圈算法)
  • 拓扑排序
    • 复杂BFS和DFS搜索, 复杂模拟题训练
  • 动态规划
    • 多重背包
    • 分组背包
    • 依赖背包-----背包九讲
  • 计算几何
    • 判断点是否在线段上、线段相交、圆与矩形的关系、点是否在多边形内、点到线段的最近点、多边形面积、求多边形重心、求凸包、点在任意多边形内外的判定
  • 使用C/C++连接数据库、学习一种C++的开发框架来编写一些窗体程序(如MFC、Qt)

  • 熟练掌握数据结构:单调队列、堆、并查集、树状数组、哈希表、线段树、LCA与RMQ的转化、后缀树、字典树、KMP算法、AC自动机理论与实现等等。

  • 图论一:强连通分量、双连通分量、割点、桥、强连通分量和双连通分量缩点、二分图匹配(二分图最大匹配、最小点集覆盖、最小路径覆盖、二分图最优匹配、二分图多重匹配)、网络流(最大流的基本SAP、最大流的ISAP/Dinic等高效算法、最小费用最大流、最大流最小割定理)等。

  • 动态规划:斜率优化、四边形优化动态规划、树形动态规划、状态压缩动态规划,多做动态规划难题,训练思维,向动态规划更高级进阶。

  • 数论和组合数学:高斯消元法、积性函数的应用、欧拉定理、费马小定理、威尔逊定理、群论基础、Polya定理与计数问题、Catalan数。

  • 计算几何:多边形间并蹱点对、凸多边形间对蹱点对、四边形剖分、三角剖分、凸多边形最小周长外接矩形、凸多边形最小面积外接矩形、凸多边形间最小距离、凸多边形直径、凸多边形的宽度等各种旋转卡壳相关算法、最小覆盖圆、定圆最大点集覆盖、平面上最近点对、三维计算几何算法。
  • 图论二:网路流的各种构图训练(重要)、最小割与最小点权覆盖等的关系、次小生成树、第k短路、最小比率生成树等。
  • 学好专业课知识:理解数据库原理、学会SQL语句、学会使用触发器、学好计算机组成原理。

  • 离散数学
  • 概率论
  • 操作系统
  • Hadoop Spark

  • Python数学库, 机器学习库
  • 概率论精修:
    • 随机变量及其分布
    • 多元随机向量及其分布
    • 极大似然估计
    • 贝叶斯估计
  • 矩阵
    • 矩阵变换和线性空间
    • 矩阵求导
  • 凸优化
    • 机器学习与优化方法简介与关系
    • 求解凸优化问题的算法
    • 深度学习与非凸优化
  • 机器学习算法
    • 特征工程
    • 数据预处理
    • 特征分析
    • 监督学习
    • 线性模型:线性回归/ Logistics回归
    • 树模型: 决策树--> 集成算法: 随机森林/GBDT/XGBoost/lightGBM
    • SVM
    • 朴素贝叶斯--> 贝叶斯网络: HMM\ MRF\ CRF
    • 协同过滤
    • FM/FFM
    • 非监督学习
    • 聚类
      • K均值/EM算法/AP聚类
    • 降维
  • 深度学习算法
    • 深度学习原理
    • NN与DNN原理
    • CNN原理及经典模型
      • AlexNet/VGGNets/GoogleNet/Inception/ResNets
    • RNN原理及经典模型
      • LSTM模型
    • GAN
      • GAN模型及其变种: DCGAN/InfoGAN/Conditional GAN
    • 损失函数与优化算法
    • 深度学习框架
    • TensorFlow/Keras
    • Caffe
    • MXNet
    • PyTorch
    • 强化深度学习
    • 马尔科夫决策过程
    • 基于模型的动态规划方法
    • 蒙特卡洛方法
    • 时间差分方法
    • 价值函数和策略评价, 学习
    • DQN方法及其变种
    • TRPO方法
  • 迁移学习
    • Fine-tune
    • 多任务学习
    • zero-shot学习
    • 持续学习

选择方向:

  • NLP
  • 图像识别
  • 数据分析等

书籍推荐

  1. 《C++ Primer中文版》
  2. 《C++ 编程思想》
  3. 《算法竞赛入门经典》
  4. 《算法竞赛入门经典:训练指南》
  5. 《趣学算法》
  6. 《算法艺术与信息学竞赛》
  7. 《组合数学》
  8. 《数论入门》
  9. 《算法导论》
  10. 《机器学习》 西瓜书
  11. 《深度学习》

参考资料

人工智能一:Al学习路线 - NiceCui - 博客园
https://www.cnblogs.com/NiceCui/p/7976595.html
ACM竞赛学习指南(算法工程师成长计划) - 云+社区 - 腾讯云
https://cloud.tencent.com/developer/article/1337857

本站文章基于国际协议BY-NA-SA 4.0协议共享;如未特殊说明,本站文章皆为原创文章,请规范转载。


0

‌ 如果够出色,却不能出头,至少也做到没第二个我。