大数据和机器学习部分的知识点整理。包括，决策树，贝叶斯分类，感知机perceptron和支持向量机SVM。

列举一些动态规划的典型例子。

LeetCode上几个经典的搜索问题。

LeetCode上几个经典的回溯例题，包括全排列，子集，组合总和。可以看出不同的剪枝方式，和输出结果的时机。

整理几个排序算法的实现。包括归并排序，快速排序与堆排序等。

主要内容包括：

1. 矩阵的中心化，归一化，标准化与正规化。
2. 范数，包括向量的范数和矩阵的范数。协方差矩阵。
3. PCA算法与详细证明。

列举Python中常用的模块和包。

在之前的大数据课程项目中，简单搭建了一个MasterNode和两个SlaveNode的Hadoop网络集群。踩了一些坑，把搭建过程简单记录一下，包含基础步骤和一些常见的报错解决。

最近在做一个手指追踪，涉及到opencv。一开始选了个基于nodejs的opencv项目，不过环境配置项目的examples死活无法运行，可能和我macOS自己升级了catalina测试版有关。不过倒是了解了不少关于npm的用法（不过感觉npm还是没有pip方便）。

那就还是回归熟悉的Python吧。

关于Python版本的opencv，有个很棒的tutorial。地址

在忙碌完毕业设计的事情之后打算把《TensorFlow-实战Google深度学习框架》中六到十二章节的内容在这篇博客中整理完毕。主要涉及图像识别、图像处理与卷积神经网络；自然语言处理与循环神经网络。前面部分都是基于TensorFlow1.12版本，后面才会介绍TensorFlow2.0版本的特性。

不知不觉就本科四年毕业了，西交的各位朋友毕业快乐。