体会

1.数据算法与结构，知道了图，树；

线性结构： （昨天学习了）

结构中的数据元素之间存在 一对一 的关系；线性表，堆栈，队列，字符串，数组，文件

树形结构：

结构中的数据元素之间存在 一对多 的关系； 树 二叉树 堆 优先权队列。

图结构：

结构中的数据元素之间存在 多对多 的关系

2.看了会机器学习：

什么是xgboost 问决策树损失函数 gbdt推导 混合高斯的em算法是什么？

3.完善javascript正则表达式：

i 执行堆大小写不敏感的匹配，g执行全局匹配，m执行多次匹配

[] 查找里面的任意字符，（x|y）查找由|分隔的任何选项

\d 查找数字； \s查找空白；   \b匹配单词的边界；

 \uxxx以16进制xxx规定的Unicode字符

n+ 匹配任何包含至少一个  n的字符串

n* 匹配0个或多个				n的字符串

n？ 匹配任何包含0个或1个n	的字符串

4.Dom冒泡 ：

window -> document -> body -> div -> (text) 捕获过程

-> (text文本 ) -> div -> body -> document-> window 冒泡过程

加一个e.preventDefault()可以阻止事件的默认行为发生

5.知识图谱

知识图谱为互联网上海量、异构、动态的大数据表达、组织、管理以及利用提供了一种更为有效的方式，使得网络的智能化水平更高，更加接近于人类的认知思维。目前，知识图谱已在智能搜索、深度问答、社交网络以及一些垂直行业中有所应用，成为支撑这些应用发展的动力源泉。

#### 智能搜索

是一种基于长尾的搜索，搜索引擎以知识卡片的形式将搜索结果展现出来。用户的查询请求将经过查询式语义理解与知识检索

#### 问答系统

是信息检索系统的一种高级形式，能够以准确简洁的自然语言为用户提供问题的解答。


#### 社交网站（ Facebook 于2013 年推出了GraphSearch[20]产品），

其核心技术就是通过知识图谱将人、地点、事情等联系在一起，并以直观的方式支持较精确的自然语言查询。



#### 应用领域：金融行业 ；医疗行业 ；电商行业；司法行业

任务清单

linux操作原理

c语言程序设计

node.js程序

node.js逻辑训练

tcp/ip协议

长连接训练

node详细：

通过输入参数来决定console里面打印的图案，填充内容以及图案的长宽。

图案：

正方形

三角形

菱形

回形

梯形

并对程序抽象与封装（抽离重复代码）

tcp/ip，长连接训练

长连接的应用场景；

（socket）做一个聊天室

收获

统计学习方法：像数学老师写的，公式组成

方法 = 模型+策略（对目标函数的优化）+算法（求解最优模型）

机器学习：像一本科普书籍

机器学习是 概率近似正确

python可以以分号结尾；

net的做法。

算法的时间复杂度 ：是程序运行从开始到结束所需的时间。

常见的渐近时间复杂性从小到大排列有：n趋向正无穷 O(1)< O(log2 n) < O(n)< O(nlog2 n)< O(n2)< O(n**3)