前半期总的来说是一个适应大学生活的过程，适应学校的英语环境，教学模式，教育系统等等，现在我基本上熟悉了这些东西，开始我顺畅的大学生活。
前半学期总的来说平时周一到周五都认真学习，预习复习兼顾。周末则看看计算机视觉领域所要求的的复变函数，概率论，以及以后找工作打比赛需要用到的重要知识——数据结构。这些都在B站上有很丰富的视频教程。
一.人工智能理论的学习
在人工智能的理论方面（在我们学校的人工智能都是研究生的课程，不过本科生如果不选择两个major的话，而是一个major一个minor则可以在本科阶段选三门研究生的课），我准备在大一下期选COMP5318，也就是machin learning and data mining，大二上选deep learning,大二下选计算机视觉和视频理解，这样从大三开始我就选完了自己能选的研究生的课，还能够提前半年毕业，不过后期全都是必修了。半期假期看了台湾大学李宏毅教授的机器学习课程，看到了循环神经网络，李宏毅教授讲的机器学习总的来说还是挺好的，就是对数学要求高了一点，在概率分布模型当中的高斯分布，协方差之类的当时查了很多资料才理解。看到循环神经网络之后我切换到了斯坦度大学李飞飞的视觉视频，刚好学完了googlenet,resnet,alexnet以及图像的语义分割，不过感觉李飞飞的这个视频讲的不太详细，而且快。因此我准备重新把吴恩达的卷积神经网络相关的知识点看看，之前看完了吴恩达机器学习的视频，感觉收获很大，国外的教授能够把一些很难的东西讲解得浅显易懂。不过这些需要留到本学期结束才可以继续我的人工智能理论的学习了。对于以后先从事计算机视觉算法岗的我而言，目前的学习进度正合我意。希望能够在大一的第一个假期能够学到更多的东西，这里立个flag，争取在大一的第一个假期学完以下内容：
1.详细了解图像的语义分割
2.目标检测
3.机器学习，李航的《统计学习方法》
4.强化学习（有位学姐在学这个，听说挺重要的，我感觉我也得也详细了解了解）
5.复变函数（信号与系统的基础，信号与系统又是数字图像处理的基础....）
目标检测不就是yolo3,mask rcnn，ssd这几个算法嘛，目前看来学懂还是有希望的，前面两个学起来挺有意思的。后面的机器学习我也不想看啊！可是找工作要考我也没办法，虽然它对计算机视觉也只有间接的帮助，也有可能有很大的帮助，我目前并不了解，不过利用假期好好打牢基础是必须的。
二.人工智能编程的学习
目前学习了kears，感觉keras这个框架十分好用，只需要几行代码就可以构建一个神经网络，只是需要在构建神经网络的前面部分以及收尾部分分别做数据预处理以及验证集检验准确率的操作，我感觉假期给我时间要不了一个星期就可以学完这个框架，不过学术界使用的是Pytorch,找工作也要求这个框架，keras用来打打kaggle就完事，以后再视情况而学习pytorch。这个学期我们学校的编程语言讲的是python，感觉在学校系统的教育下自己的python编程水平突飞猛进，之前自己自学很多地方没有看（其实是很重要的知识点，可是我并不知道），因此正好借助这一点可以让我更好的学习kears，Numpy，pandas以及sklearn框架，这是计算机视觉内要求学习的框架，我希望能够在假期里学完：
1.numpy(之前已经学过，但是需要复习)
2.pandas
3.sklearn
4.keras
之后就得看之后的造化了，不知道自己能不能完成这些任务。
三.课业内的学习
这学期一共选了五门课，分别是微积分，线性代数，统计学与R语言编程，python编程，职业生涯规划。感觉这几门课当中最玄学的是统计学与R语言编程，我提前看了看它的期末考试题目，根本就不知道怎么做，这都7周过去了，我依然不会做，感觉地加强它的学习，微积分和线性代数我之前在国内就把它的教材刷过四五遍，来到国外发现自己虽然刷过很多题，实际上它的概念很多没有理解，知识死记硬背而已。学位老师讲课讲得很有水平，比国内的老师更加深入浅出，让我了解到了线性代数的几何含义。就这样吧，希望自己期末没门功课都能够拿到D以上的成绩，最好能拿到HD（澳洲的HD相当于绩点4.0，D相当于3.5+），还剩下一个半月期末考试，现在进入全速刷绩点和复习的状态，时间耽误不起了！