TODO List Pre for Graduated Life

Part 1 Python进阶

• Numpy, Pandas, Matplotlib掌握

Part 2 深度学习框架

• 跑通几个标准训练循环（前向传播、计算损失、反向传播、优化器更新）
• 理解张量（Tensor）操作、自动求导机制、Dataset/DataLoader构建

Part 3 传统深度学习网络

• 多层感知机（MLP）：理解前馈神经网络。
• 循环神经网络（RNN/LSTM/GRU）：处理序列数据的鼻祖。
• 卷积神经网络（CNN）：虽然主要用于图像，但在文本分类（如TextCNN）和图像文本检测中仍有应用。

Part 4 词向量与特征表示

• 了解 Word2Vec, GloVe 等静态词向量
• 理解文本的分布式表示（Semantic Representation）

Part 5 序列标注与文本分类

• 序列标注（Sequence Labeling）： CRF（条件随机场）、BiLSTM-CRF模型。这是命名实体识别（NER）、分词的基础。
• 文本分类（Text Classification）：掌握基础的分类模型，了解导师论文中提到的原型网络（Prototypical Networks）。

Part 6 注意力机制与大模型

• Transformer 架构：深入啃透 Self-Attention 机制，这是目前NLP的基石
• 预训练语言模型（PLMs）：熟练使用 HuggingFace transformers 库，掌握 BERT, RoBERTa 的微调（Fine-tuning）
• 提示学习（Prompt-learning）：近两年的绝对热点，需重点学习