2025-10-13 学习日志

2025-10-13 学习日志

【免费下载链接】Virgilio 项目地址: https://gitcode.com/gh_mirrors/ma/Machine-Learning-Study-Path-March-2019

今日完成

•  paradiso: 线性代数复习（30min）
•  purgatorio: 数据清洗实践（60min）
•  inferno: 深度学习模型调参（进行中）

遇到问题

• 矩阵求导公式记忆困难 → 需制作Anki卡片
• Pandas处理缺失值效率低 → 计划研究DataPreprocessing.md

明日计划

• 晨间：Anki复习数学公式（15min）
• 午休：阅读DataPreprocessing.md（20min）
• 晚间：优化数据清洗代码（45min）

这种结构化记录方式，既符合[reproducibility](https://link.gitcode.com/i/dc442f45077814b2d028e491f49dbbf6)的项目要求，又能清晰追踪学习进度。

## 碎片化学习的具体实施策略

数据科学需要大量碎片化知识的积累，利用好通勤、午休等零散时间至关重要。项目中的[WolframAlpha.md](https://link.gitcode.com/i/57974aa6b51de887bcc58ece182bdd20)和[Regex.ipynb](https://link.gitcode.com/i/de468e5d17fb5c29ed29083a7c013209)等工具资源，特别适合碎片化学习：

### 1. 通勤时段（15-30分钟）
- 使用手机阅读[Demystification.md](https://link.gitcode.com/i/e90a64b26eae9933b1a93bc9abec74a7)中的AI/ML/DS概念图解
- 在脑海中构建[know-how.png](https://link.gitcode.com/i/62334ad9419c06b0ea1b9f01c8ae20b2)所示的知识地图
- 听数据科学相关播客时，同步思考[do_you_need_ml.md](https://link.gitcode.com/i/08147dde05236848d0924e66597bf8cb)中的问题框架

### 2. 午休时间（20-30分钟）
- 快速实践[Regex.ipynb](https://link.gitcode.com/i/de468e5d17fb5c29ed29083a7c013209)中的正则表达式案例
- 用[GeoGebra.md](https://link.gitcode.com/i/fc1e949db75e34bf586260d83e287b4d)可视化理解数学公式
- 整理晨间学习的[prerequisites.md](https://link.gitcode.com/i/6fb8fe2a4f44b352f84713e31a75aff5)笔记到Notion或Obsidian

### 3. 睡前时段（15分钟）
- 回顾当天学习的[ds_process.md](https://link.gitcode.com/i/d3abe8d2cdaf2f0d51508281a6b008c4)数据科学流程
- 在[mindmup](https://www.mindmup.com/)上构建知识树的新增节点
- 规划次日学习的具体模块和时间分配

## 进度可视化与防倦怠技巧

长期学习最容易因进度不明确而放弃。建议利用项目中的可视化资源和工具，构建直观的学习追踪系统：

### 1. 学习路径地图
以项目根目录的[map.PNG](https://link.gitcode.com/i/602722ac1a4dbdaf190b27f48a843109)为基础，制作个人进度地图：
- 打印出来贴在工作区
- 用不同颜色标注已完成/进行中/未开始的模块
- 每完成一个主题，在对应节点添加日期和学习时长

### 2. 项目周期看板
参考[starting-a-data-project.md](https://link.gitcode.com/i/6979f4e8aa919d69bb78fee40af97782)中的项目管理建议，建立学习看板：

To Learn	Learning	Learned
[math.md]	[python.md]	[intro.md]
[cv_basics.md]	[pandas.ipynb]	[numpy.ipynb]
[nlp_intro.md]	[dl_theory.md]	[ml_basics.md]

【免费下载链接】Virgilio 项目地址: https://gitcode.com/gh_mirrors/ma/Machine-Learning-Study-Path-March-2019