前几天回到学校领取了双证，本科生活也算就此落幕了。回头看，从4月初考研复试结束到现在已经过了三个月。我怀着享受人生最后一个gap的心态终日无所事事，可谓是轻松甚至蹉跎。以至于展望未来的研究生生活时，我心中愈发不安，隐隐惶恐。是时候做出些改变了，先从学习些之后能用上的基础知识开始吧。
列表于此以供查阅并记录进度，或许过程中适当记录些笔记效果会更好。
数学基础
- 线性代数：
矩阵特征值SVD - 高等数学多元微积分：
梯度JacobianHessian - 概率统计：
多元高斯分布贝叶斯公式
工业软件
- Python 科学计算：
NumPySciPyMatplotlibPandasscikit-learnPyTorchJupyterh5pymeshio - C++ 高性能程序设计：
类与对象模板STLEigen 库CMakeOpenMP基础内存管理简单数值程序设计 - Linux 、Git 与科研代码管理：
Linux 命令行SSHCondaGit - 并行计算基础
- CUDA/GPU 计算入门
- 软件工程中的数值软件架构
- 有限元软件二次开发基础
人工智能
- 机器学习
- 深度学习基础
- 概率机器学习
- 高斯过程回归
- 贝叶斯机器学习
- 小样本学习/迁移学习
- 科学机器学习 Scientific Machine Learning
- 物理信息神经网络 PINNs 入门
优先学习：
监督学习基本流程线性回归、岭回归、Lasso核方法支持向量机高斯过程回归（重点）神经网络基础卷积网络基本概念自动微分过拟合与正则化模型不确定性
数值计算
- 数值分析：
插值与拟合数值积分数值微分线性方程组求解非线性方程求解常微分方程数值解误差分析稳定性与收敛性 - 数值线性代数
- 有限元方法：
弱形式变分原理单元、节点、形函数刚度矩阵边界条件装配过程一维杆单元/梁单元/二维三角形单元简单 Python FEM 程序实现 - 偏微分方程数值解
最优化设计
- 最优化方法
- 凸优化基础
- 工程优化设计
- 结构优化
- 拓扑优化入门
- 多目标优化
- 贝叶斯优化
- 遗传算法/粒子群等智能优化
优先学习：
梯度下降牛顿法约束优化拉格朗日乘子KKT 条件多目标优化贝叶斯优化代理模型优化灵敏度分析形状优化基础