# 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

---

> Author: [Ting](Tin10g.github.io)  
> URL: https://Tin10g.github.io/posts/todo-list/