394 lines
11 KiB
Markdown
394 lines
11 KiB
Markdown
---
|
||
atlas: "[[Task Tracker]]"
|
||
completed: 40
|
||
created: 2023-07-08 03:18:59
|
||
incomplete: 318
|
||
modified: 2023-09-19 17:48:12
|
||
tags:
|
||
- Task
|
||
title: 全栈工程师
|
||
total: 358
|
||
---
|
||
# GitHub
|
||
|
||
## 尚硅谷 git 快速入门
|
||
|
||
- [x] 教程简介 ✅ 2023-09-14
|
||
- [x] 为什么学习 Git 软件 ✅ 2023-09-14
|
||
- [x] 版本控制 ✅ 2023-09-14
|
||
- [x] 版本控制软件基础功能 ✅ 2023-09-14
|
||
- [x] 集中式、分布式版本控制软件 ✅ 2023-09-14
|
||
- [x] Git 安装 ✅ 2023-09-20
|
||
- [x] GitHub Desktop - 介绍 ✅ 2023-09-20
|
||
- [x] GitHub Desktop - 仓库操作 ✅ 2023-09-20
|
||
- [x] GitHub Desktop - 文件操作 ✅ 2023-09-20
|
||
- [x] GitHub Desktop - 分支原理 ✅ 2023-09-20
|
||
- [x] GitHub Desktop - 分支操作 ✅ 2023-09-20
|
||
- [x] GitHub Desktop - 标签 ✅ 2023-09-20
|
||
- [x] GitHub Desktop - 远程仓库 GitHub ✅ 2023-09-20
|
||
- [x] GitHub Desktop - 远程仓库 Gitee ✅ 2023-09-20
|
||
- [x] GitHub Desktop - README, IGNORE ✅ 2023-09-20
|
||
- [x] GitHub Desktop - 文件图标和比对功能 ✅ 2023-09-20
|
||
- [x] IDEA 集成 - GitHub ✅ 2023-09-20
|
||
- [x] IDEA 集成 - Gitee ✅ 2023-09-20
|
||
- [x] 版本号 - 介绍 ✅ 2023-09-20
|
||
- [x] 版本号 - 文件操作 ✅ 2023-09-20
|
||
- [x] 版本号 - 分支操作 ✅ 2023-09-20
|
||
- [x] 命令 - 介绍 ✅ 2023-09-20
|
||
- [x] 命令 - 仓库操作 ✅ 2023-09-20
|
||
- [x] 命令 - 文件操作 ✅ 2023-09-20
|
||
- [x] 命令 - 文件操作误删除 ✅ 2023-09-20
|
||
- [x] 命令 - 分支操作 ✅ 2023-09-20
|
||
- [x] 命令 - 分支操作合并和冲突 ✅ 2023-09-20
|
||
- [x] 命令 - 标签操作 ✅ 2023-09-20
|
||
- [x] 命令 - 远程仓库 ✅ 2023-09-20
|
||
- [x] 搭建自己的代码托管平台 GitLab ✅ 2023-09-20
|
||
- [x] 总结 ✅ 2023-09-20
|
||
|
||
## 韩顺平 GitHub 教程
|
||
|
||
- [x] 课程内容 ✅ 2023-09-11
|
||
- [x] 创建仓库 ✅ 2023-09-11
|
||
- [x] 上传网站 ✅ 2023-09-11
|
||
- [x] 顶级域名 ✅ 2023-09-11
|
||
- [x] 项目结构 ✅ 2023-09-11
|
||
- [x] 版本比较 ✅ 2023-09-11
|
||
- [x] issues pull action ✅ 2023-09-11
|
||
- [x] 项目板 ✅ 2023-09-11
|
||
- [x] 项目设置 ✅ 2023-09-11
|
||
|
||
# Python
|
||
|
||
## 黑马程序员 Python 基础
|
||
|
||
- [ ] 初识 python
|
||
- [ ] 什么是编程语言
|
||
- [ ] Python 环境安装
|
||
- [ ] 第一个 Python 程序 - Hello World
|
||
- [ ] 第一个 Python 程序 - 练习讲解
|
||
- [ ] 第一个 Python 程序 - 常见问题解答
|
||
- [ ] Python 解释器
|
||
- [ ] PyCharm 开发工具的安装和基础使用
|
||
- [ ] PyCharm 的基础使用
|
||
- [ ] 第一章重点内容回顾
|
||
- [ ] 字面量
|
||
- [ ] 注释
|
||
- [ ] 变量
|
||
- [ ] 数据类型
|
||
- [ ] 数据类型转换
|
||
- [ ] 标识符
|
||
- [ ] 运算符
|
||
- [ ] 字符串的三种定义方式
|
||
- [ ] 字符串的拼接
|
||
- [ ] 字符串的格式化
|
||
- [ ] 字符串格式化的精度控制
|
||
- [ ] 字符串格式化的方式 2
|
||
- [ ] 对表达式进行格式化
|
||
- [ ] 字符串格式化练习题讲解
|
||
- [ ] 数据输入（input 语句）
|
||
- [ ] 布尔类型和比较运算符
|
||
- [ ] if 语句的基本格式
|
||
- [ ] 【案例】成年人判断讲解
|
||
- [ ] if else 组合判断语句
|
||
- [ ] 【案例】我要买票吗讲解
|
||
- [ ] if elif else 组合使用的语法
|
||
- [ ] 【案例】猜猜心里数字讲解
|
||
- [ ] 判断语句的嵌套
|
||
- [ ] 判断语句综合案例
|
||
- [ ] while 循环的基础应用
|
||
- [ ] 【案例】求 1-100 的和讲解
|
||
- [ ] while 循环猜数字案例
|
||
- [ ] while 循环的嵌套应用
|
||
- [ ] 【案例】九九乘法表
|
||
- [ ] for 循环的基础语法
|
||
- [ ] 【案例】数一数多少字母 a 详解
|
||
- [ ] range 语句
|
||
- [ ] for 循环临时变量作用域
|
||
- [ ] for 循环的嵌套使用
|
||
- [ ] for 循环打印九九乘法表
|
||
- [ ] continue 和 break
|
||
- [ ] 循环综合案例
|
||
- [ ] 函数的初体验
|
||
- [ ] 函数的基础定义语法
|
||
- [ ] 函数基础定义练习案例
|
||
- [ ] 函数的传入参数
|
||
- [ ] 函数的参数练习案例
|
||
- [ ] 函数的返回值自定义语法
|
||
- [ ] 函数返回值之 None 类型
|
||
- [ ] 函数的说明文档
|
||
- [ ] 函数的嵌套调用
|
||
- [ ] 变量在函数中的作用域
|
||
- [ ] 函数综合案例
|
||
- [ ] 数据容器入门
|
||
- [ ] 列表的定义语法
|
||
- [ ] 列表的下标索引
|
||
- [ ] 列表的常用操作方法
|
||
- [ ] 列表的常用操作课后练习讲解
|
||
- [ ] 列表的循环遍历
|
||
- [ ] 元组的定义和操作
|
||
- [ ] 字符串的定义和操作
|
||
- [ ] 字符串的课后练习讲解
|
||
- [ ] 数据容器（序列）的切片
|
||
- [ ] 序列的切片课后练习讲解
|
||
- [ ] 集合的定义和操作
|
||
- [ ] 集合的课后练习
|
||
- [ ] 字典的定义
|
||
- [ ] 字典的常用操作
|
||
- [ ] 字典课后联系讲解
|
||
- [ ] 五类数据容器的总结对比
|
||
- [ ] 数据容器的通用操作
|
||
- [ ] 字符串大小比较的方式
|
||
- [ ] 函数的多返回值
|
||
- [ ] 函数的多种参数使用形式
|
||
- [ ] 函数作为参数传递
|
||
- [ ] lambda 匿名函数
|
||
- [ ] 文件编码概念
|
||
- [ ] 文件的读取操作
|
||
- [ ] 文件读取的课后练习讲解
|
||
- [ ] 文件的写出操作
|
||
- [ ] 文件的追加写入操作
|
||
- [ ] 文件操作的综合案例
|
||
- [ ] 了解异常
|
||
- [ ] 异常的捕获
|
||
- [ ] 异常的传递性
|
||
- [ ] 模块的概念和导入
|
||
- [ ] 自定义模块并导入
|
||
- [ ] 自定义 Python 包
|
||
- [ ] 安装第三方包
|
||
- [ ] 异常、模块、包综合案例讲解
|
||
- [ ] 案例介绍
|
||
- [ ] JSON 数据格式的转换
|
||
- [ ] pyecharts 的入门使用
|
||
- [ ] 数据准备
|
||
- [ ] 生成折线图
|
||
- [ ] 数据可视化案例 - 地图
|
||
- [ ] 全国疫情地图构建
|
||
- [ ] 河南省疫情地图绘制
|
||
- [ ] 基础柱状图构建
|
||
- [ ] 基础时间线柱状图绘制
|
||
- [ ] 动态 GDP 柱状图绘制
|
||
- [ ] 初识对象
|
||
- [ ] 类的成员方法
|
||
- [ ] 类和对象
|
||
- [ ] 构造方法
|
||
- [ ] 魔术方法
|
||
- [ ] 封装
|
||
- [ ] 封装的课后练习题讲解
|
||
- [ ] 继承的基础语法
|
||
- [ ] 复写父类成员和调用父类成员
|
||
- [ ] 变量的类型注解
|
||
- [ ] 函数和方法类型注解
|
||
- [ ] Union 联合类型注解
|
||
- [ ] 多态
|
||
- [ ] 数据分析案例步骤 1 文件读取
|
||
- [ ] 数据分析案例步骤 2 数据计算
|
||
- [ ] 数据分析案例步骤 3 可视化开发
|
||
- [ ] SQL 章节前言
|
||
- [ ] 数据库介绍
|
||
- [ ] MySQL 安装
|
||
- [ ] MySQL 的入门使用
|
||
- [ ] SQL 基础和 DDL
|
||
- [ ] SQL - DQL - 基础查询
|
||
- [ ] SQL - DQL - 分组聚合
|
||
- [ ] SQL - DQL - 排序分页
|
||
- [ ] Python 操作 MySQL 基础使用
|
||
- [ ] Python 操作 MySQL 数据插入
|
||
- [ ] 综合案例
|
||
- [ ] PySpark 实战前言介绍
|
||
- [ ] 基础准备
|
||
- [ ] 数据输入
|
||
- [ ] 数据计算 - map 方法
|
||
- [ ] 数据计算 - flatmap 方法
|
||
- [ ] 数据计算 - reducebykey 方法
|
||
- [ ] 数据计算 - 练习案例 1
|
||
- [ ] 数据计算 - filter 方法
|
||
- [ ] 数据计算 - distinct 方法
|
||
- [ ] 数据计算 - sortby 方法
|
||
- [ ] 数据计算 - 练习案例 2
|
||
- [ ] 数据输出 - 输出为 Python 对象
|
||
- [ ] 数据输出 - 输出到文件中
|
||
- [ ] 综合案例
|
||
- [ ] 大数据分布式集群运行综合案例代码
|
||
- [ ] 闭包
|
||
- [ ] 装饰器
|
||
- [ ] 设计模式 - 单例模式
|
||
- [ ] 设计模式 - 工厂模式
|
||
- [ ] 多线程并行执行概念
|
||
- [ ] 多线程编程
|
||
- [ ] Socket 服务端开发
|
||
- [ ] Socket 客户端开发
|
||
- [ ] 正则表达式 - 基础方法
|
||
- [ ] 正则表达式 - 元字符匹配
|
||
- [ ] 递归
|
||
|
||
## 爬虫
|
||
|
||
- [ ] 课程介绍
|
||
- [ ] 快速易懂 Python 入门
|
||
- [ ] 爬虫的流程？从入门到入狱？
|
||
- [ ] 什么是 HTTP 请求和相应？
|
||
- [ ] 如何用 Python Requests 发送请求
|
||
- [ ] 如何用 Python Requests 拿到豆瓣源码
|
||
- [ ] 什么是 HTML 网页结构
|
||
- [ ] HTML 有哪些常见标签
|
||
- [ ] 练习 HTML 常见标签
|
||
- [ ] 如何用 Beautiful Soup 解析 HTML 内容
|
||
- [ ] 从源码获取豆瓣电影 TOP250
|
||
- [ ] 下一步是什么？
|
||
|
||
# 机器学习
|
||
|
||
## 吴恩达
|
||
|
||
- [ ] 课程介绍
|
||
- [ ] 机器学习应用
|
||
- [ ] 机器学习定义
|
||
- [ ] 监督学习（1）
|
||
- [ ] 监督学习（2）
|
||
- [ ] 无监督学习（1）
|
||
- [ ] 无监督学习（2）
|
||
- [ ] Jupyter notebooks
|
||
- [ ] 线性回归模型（1）
|
||
- [ ] 线性回归模型（2）
|
||
- [ ] 代价函数公式
|
||
- [ ] 理解代价函数
|
||
- [ ] 可视化代价函数
|
||
- [ ] 可视化举例
|
||
- [ ] 梯度下降
|
||
- [ ] 梯度下降的实现
|
||
- [ ] 理解梯度下降
|
||
- [ ] 学习率
|
||
- [ ] 用于线性回归的梯度下降法
|
||
- [ ] 运行梯度下降
|
||
- [ ] 多维特征
|
||
- [ ] 向量化（1）
|
||
- [ ] 向量化（2）
|
||
- [ ] 用于多元线性回归的梯度下降法
|
||
- [ ] 特征缩放（1）
|
||
- [ ] 特征缩放（2）
|
||
- [ ] 判断梯度下降是否收敛
|
||
- [ ] 如何设置学习率
|
||
- [ ] 特征工程
|
||
- [ ] 多项式回归
|
||
- [ ] 动机与目的
|
||
- [ ] 逻辑回归
|
||
- [ ] 决策边界
|
||
- [ ] 逻辑回归中的代价函数
|
||
- [ ] 简化逻辑回归代价函数
|
||
- [ ] 实现梯度下降
|
||
- [ ] 过拟合问题
|
||
- [ ] 解决过拟合
|
||
- [ ] 正则化
|
||
- [ ] 用于线性回归的正则方法
|
||
- [ ] 用于逻辑回归的正则方法
|
||
- [ ] 欢迎来到第二课
|
||
- [ ] 神经元和大脑
|
||
- [ ] 需求预测
|
||
- [ ] 【案例】图像感知
|
||
- [ ] 神经网络中的网络层
|
||
- [ ] 更复杂的神经网络
|
||
- [ ] 神经网络向前传播
|
||
- [ ] 如何用代码实现推理
|
||
- [ ] Tensorflow 中数据形式
|
||
- [ ] 搭建一个神经网络
|
||
- [ ] 单个网络层上的前向传播
|
||
- [ ] 前向传播的一般实现
|
||
- [ ] 强人工智能
|
||
- [ ] 神经网络为何如此高效
|
||
- [ ] 矩阵乘法
|
||
- [ ] 矩阵乘法规则
|
||
- [ ] 矩阵乘法代码
|
||
- [ ] Tensorflow 实现
|
||
- [ ] 模型训练细节
|
||
- [ ] Sigmoid 激活函数的替代方案
|
||
- [ ] 如何选择激活函数
|
||
- [ ] 为什么模型需要激活函数
|
||
- [ ] 多分类问题
|
||
- [ ] Softmax
|
||
- [ ] 神经网络的 Softmax 输出
|
||
- [ ] Softmax 的改进实现
|
||
- [ ] 多个输出的分类
|
||
- [ ] 高级优化方法
|
||
- [ ] 其它的网络层类型
|
||
- [ ] 什么是导数
|
||
- [ ] 计算图
|
||
- [ ] 大型神经网络案例
|
||
- [ ] 决定下一步做什么
|
||
- [ ] 模型评估
|
||
- [ ] 模型选择和交叉验证测试集的训练方法
|
||
- [ ] 通过偏差与方法进行诊断
|
||
- [ ] 正则化、偏差、方差
|
||
- [ ] 指定一个用于性能评估的基准
|
||
- [ ] 学习曲线
|
||
- [ ] 决定下一步做什么
|
||
- [ ] 方差与偏差
|
||
- [ ] 机器学习开发的迭代
|
||
- [ ] 误差分析
|
||
- [ ] 添加更多数据
|
||
- [ ] 迁移学习 - 使用其他任务中的数据
|
||
- [ ] 机器学习项目的完整周期
|
||
- [ ] 公平、偏见与伦理
|
||
- [ ] 倾斜数据集的误差指标
|
||
- [ ] 精确率与召回率的权衡
|
||
- [ ] 决策树模型
|
||
- [ ] 学习过程
|
||
- [ ] 纯度
|
||
- [ ] 选择拆分信息增益
|
||
- [ ] 整合
|
||
- [ ] 独热编码 One-hot
|
||
- [ ] 连续有价值的功能
|
||
- [ ] 回归树
|
||
- [ ] 使用多个决策树
|
||
- [ ] 有放回抽样
|
||
- [ ] 随机森林
|
||
- [ ] XGBoost
|
||
- [ ] 何时使用决策树
|
||
- [ ] 欢迎来到第三课
|
||
- [ ] 什么是聚类
|
||
- [ ] K-means 直观理解
|
||
- [ ] K-means 算法
|
||
- [ ] 优化目标
|
||
- [ ] 初始化 K-means
|
||
- [ ] 选择聚类数量
|
||
- [ ] 发现异常事件
|
||
- [ ] 高斯正态分布
|
||
- [ ] 异常检测算法
|
||
- [ ] 开发与评估异常检测系统
|
||
- [ ] 异常检测与监督学习对比
|
||
- [ ] 选择使用什么特征
|
||
- [ ] 提出建议
|
||
- [ ] 使用每个特征
|
||
- [ ] 协同过滤算法
|
||
- [ ] 二进制标签
|
||
- [ ] 均值归一化
|
||
- [ ] 协同过滤 Tensorflow 实现
|
||
- [ ] 寻找相关特征
|
||
- [ ] 协同过滤与基于内容过滤对比
|
||
- [ ] 基于内容过滤的深度学习方法
|
||
- [ ] 从大型目录中推荐
|
||
- [ ] 推荐系统中的伦理
|
||
- [ ] 基于内容过滤的 Tensorflow 实现
|
||
- [ ] 降低特征数量
|
||
- [ ] PCA 算法
|
||
- [ ] PCA 代码实现
|
||
- [ ] 【案例】火星探测器
|
||
- [ ] 强化学习的汇报
|
||
- [ ] 强化学习的策略
|
||
- [ ] 审查关键概念
|
||
- [ ] 动作价值函数定义
|
||
- [ ] 动作价值函数示例
|
||
- [ ] 贝尔曼方程
|
||
- [ ] random stochastic environment
|
||
- [ ] 【案例】连续状态空间应用
|
||
- [ ] 登月器
|
||
- [ ] 学习状态值函数
|
||
- [ ] 改进的神经网络架构
|
||
- [ ] 贪婪策略
|
||
- [ ] 小批量和软更新
|
||
- [ ] 强化学习的状态
|
||
- [ ] 课程总结
|
||
|
||
# 深度学习
|
||
|
||
## 吴恩达
|