MathLab/courseware/05-每日任务清单.md

每日详细任务清单

Day 1 - 2026年2月21日 (周六)

重点教材: 统计学习方法、动手学深度学习（环境配置）

• 阅读《统计学习方法》readme.md
• 了解3个教材的项目结构
• 安装深度学习环境
• 配置Python虚拟环境
• 记录学习环境搭建笔记
• 绘制学习路径思维导图

Day 2 - 2026年2月22日 (周日)

重点教材: 统计学习方法（第1-3章）

• 学习统计学习基本概念
• 掌握感知机算法原理
• 编写感知机Python实现
• 学习k近邻法
• 学习朴素贝叶斯
• 整理学习笔记

Day 3 - 2026年2月23日 (周一)

重点教材: 统计学习方法（第4-6章）、动手学深度学习

• 学习决策树算法
• 学习逻辑回归
• 配置深度学习运行环境
• 执行第一个深度学习示例
• 理解自动求导原理
• 整理算法对比表

Day 4 - 2026年2月24日 (周二)

重点教材: 统计学习方法（第7-8章）、动手学深度学习（CNN）

• 学习支持向量机
• 实现SMO算法（选做）
• 学习卷积神经网络
• 理解CNN基本组件
• 运行LeNet示例
• 绘制CNN架构图

Day 5 - 2026年2月25日 (周三)

重点教材: 统计学习方法（第9-11章）、动手学深度学习

• 学习提升方法
• 实现AdaBoost（选做）
• 学习隐马尔可夫模型
• 学习条件随机场
• 深度学习实践项目
• 创建深度学习笔记库

Day 6 - 2026年2月26日 (周四)

重点教材: 统计学习方法（第12-13章）、强化学习基础

• 学习监督学习方法总结
• 深度学习计算机视觉章节
• 强化学习数学基础
• 马尔可夫决策过程（MDP）
• 编写复习总结文档
• 整理代码示例

Day 7 - 2026年2月27日 (周五)

重点教材: 强化学习进阶内容、综合复习

• 强化学习策略评估
• 策略改进方法
• 整理三套教材知识点
• 创建知识图谱
• 编写学习心得
• 规划下一阶段学习

---

完成状态跟踪:

• Day 1: 🔄 进行中
• Day 2-7: ⏳ 待开始

备注: 每天目标可根据实际情况调整，保持学习节奏即可