一、其它问题（数学等）
1、 贝叶斯公式的理解（回寝室看书呀）
分子：条件概率，不过是倒过来的
分母：全概率公式
2、极大似然估计
通俗理解来说，就是利用已知的样本结果信息，反推最具有可能（最大概率）导致这些样本结果出现的模型参数值！
换句话说，极大似然估计提供了一种给定观察数据来评估模型参数的方法，即：“模型已定，参数未知”。
二、C++语言
1、 虚函数和抽象类
虚函数：在某基类中声明为 virtual 并在一个或多个派生类中被重新定义的成员函数，用法格式为：virtual 函数返回类型 函数名（参数表） {函数体}；实现多态性，通过指向派生类的基类指针或引用，访问派生类中同名覆盖成员函数。
虚函数的定义与使用
抽象类：通常在编程语句中用 abstract 修饰的类是抽象类。抽象类是不完整的，它不能生成对象，它只能用作基类被继承。
4、 子类和父类
子类可以赋给父类，父类不能赋给子类。
三、数据结构
1、 排序算法：
C语言8大排序算法以及复杂度分析
八大排序以及其时间复杂度（侧重于实现）
8大排序算法的实现
- 冒泡排序
- 插入排序（直接插入，折半插入）
- 希尔排序（缩小增量排序）
- 堆排序
5. 归并排序：
思想：即先使每个子序列有序，再使子序列段间有序（将已有序的子序列合并，得到完全有序的序列）。若将两个有序表合并成一个有序表。
6. 快速排序：
1、 从当前子序列中挑出一个元素，称为 “基准”（pivot），
2、 重新排序子序列，所有元素比基准值小的摆放在基准前面，所有元素比基准值大的摆在基准的后面（相同的数可以到任一边）。然后就会得到一个以该基准为分割线的两个子序列。
3、 递归地（recursive）对小于基准值元素的子序列和大于基准值元素的子序列排序。
递归的最底部情形，是数列的大小是零或一。
- 桶排序
- 选择排序/基数排序
2、 链表反转：
利用两个结点指针和一个头结点指针head(用来记录当前结点的位置)，分别指向前一个结点、当前结点和下一个结点；每一次翻转前需要先保存当前节点的下一个结点，然后让当前结点的指针域指向前一个结点，最后更新另外两个结点指针。
3、 字符串匹配算法KMP:
用模式串（子串）求出next数组（当模式串中第j个字符发生不匹配时，应从next[j]处的字符开始于主串匹配）；
4、 哈夫曼（huffman）树和哈夫曼编码：
1. 哈夫曼树的构造：每次从节点中选取权值最小的两个节点，把它们权值相加合并成一个新节点（树），然后继续这样下去，直到只有一个节点为止。
哈夫曼树的构造方法
2. 哈夫曼编码：把待编码的字母出现的频率作为权值，然后构建哈夫曼树，用最短的树表示出现频率最大的字符，这样的编码是总长最短的二进制前缀编码。
哈夫曼（huffman）树和哈夫曼编码
5、 最小生成树算法（prime和Kruskal）：
6、 最短路计算法：
7、查找算法的分析及应用：
8、散列（hash）表：
四、操作系统
1、页面置换算法
2、内存分区分配
3、银行家算法（生产者消费者模式等）
五、项目介绍
1、文本分类算法课题
数据：
THUCNews新闻数据集
预训练词向量（腾讯和搜狗）：预训练词嵌入相当于注入了更多的外部 信息，能够改善模型；也就是表示词的向量只不过提前训练了。
处理过程：
1、基于数据构建词典，借鉴TorchText的Vocab函数（Keras分词器Tokenizer；滤去低频词，如5）
2、对文本进行分词（结巴分词），去停用词，噪声移除（去标点符号）
3、把词转换为词典中的索引，同时用预训练词向量覆盖随机初始化的词/字嵌入矩阵
4、
训练集需要打乱，验证集和测试集不要求
