研零小白的预备（对于即将读研的同学）

前言

参考学校的研究方向，以及导师的方向，涉及机器学习或者智能算法优化。另外，如果疫情总体可控的情况下，估计今年大部分学校应该差不多是9月中旬到下旬开学，开学后很有可能进行封闭式管理，保证师生的安全。

一：语言学习 【暑假就要开始准备】

   我们首先预备的语言是python，当然也要看学校和老师（也包括课题组），有些用matlab / C++等，但是目前师兄说的正是py和c++，如果是图像处理可以用matlab【ps：近来美方出了高校的禁用名单，但是C/C++也可以实现】，毕竟matlab用来搞科研的多，然后我们可以学习如何使用OpenCV资源库，当然语言并不会限定（C/C++也可以很好的上手），看过一些经验帖子说其他语言亦可实现，只是不同语言的特点可能有差异，不涉及具体算法就不会有很大影响。
   python的话，csdn本网以及其他优秀的前辈也给出不少学习资源，可以参考的是：

1. 廖雪峰的官方网站，找到python教程即可；
2. 菜鸟教程，也可以在这个免费网站里面学习，比较简单的语法解析；
3. 廖雪峰的py安装教程，这个安装python教程是不带工具的，官网是：python官网；
4. 清华大学开源软件镜像站，自带py环境的Anaconda，但是由于外网下载慢，可以去清华镜像库下载；这里给一下原官方网站把：www.python.org；
5. python与anaconda安装（先安装了python后安装anaconda，基于python已存在的基础上安装anaconda）超详解，转载于：https://blog.csdn.net/qq_43529415/article/details/100847887，博主：(牛斌帅).

二：数学知识

   数学知识在机器学习中同样非常重要，如果是理工科的同学，相信在初试已经学过高等数学+线性代数+概率论了，但是接下来还有深入的整洁和内容需要深化。

如图：【ps：部分知识点和数据来源会及时附上】
   而其中的一部分如果是专硕的同学是还没有学过的，因为本科也不会教。
   例如：梯度、奇异值分解、雅可比矩阵和Hessian矩阵等。

下图则是，做实验是一些算法所对应的数学知识：

此外，还有些课本值得推荐：

• 《高等工程数学》：涵盖了矩阵论、数值计算方法、数理统计。
• 《矩阵分析》：专攻矩阵论的内容，给出了在多元微积分、复分析、微分方程、量优化、逼近理论中的许多重要应用 。

三：导师问题

   我们都会选择导师，重要的是适合自己的方向兴趣，还有一点就是老师的品格，决定你们相处3年是否顺利。其次就是多跟老师沟通，建议复试后就开始联系老师，一般是3个左右，明确拒绝后在联系。其实很多到了学校就是双选的形式而已。所以尽快将开始，一般是用邮件联系。询问一下师兄师姐老师的联系方式。
Tips：

1. 注意称呼，xx博士、xx教授或者xx院长就行。

2. 然后就是目的性要强，内容不应该过多，尽量精要概括，简历内容涵盖：基本信息、本科期间奖励、科研经历、技能证书，附件再放上就好。

3. 简历模板如下：（转载出处：https://www.wondercv.com/）
   

4. 邮件内容尽量集中在第一段说重点，后面加一些敬语&结束语。

5. 邮件内容例如：本人叫xx，毕业于xxx大学xxx专业，初试xx分（数学英语特别高分的就说出来，不然就是初始总分即可），熟悉python、java语言，做过xx项目、获得过国奖、数学建模大赛，省级以上就多放上去。但是不可以太多，精要突出自己的优势就行。第一段最后依据就是说出自己的兴趣方向，加上对老师的论文有所涉略，想往这方面发展，态度诚恳即可。不要废话连篇。

【##续上：】

四：机器学习、深度学习、AI

很多学校已经在本科就上《机器学习》这门课了，但是可能不同学校的教学方式不同，顺便给一些没学过的朋友提前知会一下【对于准备考研复试的小伙伴也是重点加分项！！】。以下是我总结的一些经验：

• 入门阶段：吴恩达-机器学习-bilibili，特别简单的入门视频，普及性很高，经典的斯坦福课程：CS231n：home。还有值得一提的是：李宏毅-机器学习，此外李教授也有主页的：Hung-yi Lee (李宏毅)，而且视频结合性也不错，还带你用google的Colab去跑一些机器学习或者深度学习的小demo。
• 强化阶段：我认为不能一味地吸收理论而不动手，在此推荐 “理论+代码” 结合的视频：邹博-机器学习，但是有一个不方便的地方是邹博老师的可能用的是py2.x的代码，跟现在主流更新的3.x可能语法有部分改进了。但是推荐邹博老师最重要的一点是：【可以结合案例带你手动推导公式】，此外还有一个纯推公式的视频：机器学习-数学白板推导，评论区也有小伙伴给出一些板书，十分便利。
• 训练实战：强烈推荐阿里天池：天池技能树、百度飞桨-PaddlePaddle
  （1）框架图的梳理对新人十分友好，而且跟着去学一些大佬的比赛思路十分有用，我有时候会结合知乎某些经验帖子去了解，另外阿里天池还有一些给新手的学习赛：TianChi-学习赛。
  （2）这里还有历年的比赛资料:【天池大赛】历届比赛资料，跟着各位大佬去学习，一定可以成功闯出一番天地！
  （3）可以适当去了解关于深度学习框架：
• Tensorflow：(强推)TensorFlow官方入门实操课程、TensorFlow 2.0大佬写的简明指南、机器之心的一个贴子、和鲸社区的整合（GitHub标星3.5k的教程）：点击这里。关于Tensorflow1.0和2.0的区别大家可以上网搜一下。
• Pytorch：跟紧大佬步伐：【PyTorch 学习笔记】，还有【跟李沐学AI】超级有用，配上视频服用效果会更佳，教材：《动手学深度学习》，此外还有：scikitlearn-中文教程。