904数据结构与机器学习考试范围
904数据结构与机器学习：数据结构（50分）+ 机器学习（100分）
来源：厦大考试中心 链接
904数据结构与机器学习考试范围
数据结构考试范围
【考查目标】
- 理解数据结构的基本概念；掌握数据的逻辑结构、存储结构及其差异，以及各种基本操作的实现。
- 掌握基本的数据处理原理和方法的基础上，能够对相关的算法进行设计以及进行基本的时间复杂度与空间复杂度分析。
- 能够选择合适的数据结构和方法进行问题求解；具备采用C或C++或JAVA语言设计与实现算法的能力。
一、绪论：
(一)数据结构以及相关概念的定义；
(二)抽象数据类型；
(三)算法的时间复杂度和空间复杂度。
二、线性表：
(一)线性表的定义和基本操作；
(二)线性表的实现。
三、栈、队列：
(一)栈和队列的基本概念；
(二)栈和队列的顺序存储结构；
(三)栈和队列的链式存储结构；
(四)栈和队列的应用。
四、串：
(一)串的各种存储表示和操作；
(二)KMP算法。
五、数组和广义表：
(一)数组的基本概念、表示和实现；
(二)矩阵的压缩存储；
(三)广义表的定义和存储结构。
六、树与二叉树+A15：
(一)树的基本概念；
(二)二叉树；
(三)树、森林；
(四)哈夫曼(Huffman)树和哈夫曼编码；
(五)树和二叉树的应用。
七、图：
(一)图的概念、存储结构及基本操作；
(二)图的遍历；
(三)最小生成树；
(四)有向无环图及其应用；
(五)最短路径。
八、查找：
(一)查找的基本概念；
(二)顺序查找法；
(三)折半查找法；
(五)哈希(Hash)表；
(六)查找算法的分析及应用。
九、内部排序：
(一)排序的基本概念；
(二)插入排序；
(三)气泡排序(bubble sort)；
(四)简单选择排序；
(五)快速排序；
(六)堆排序；
(七)二路归并排序(merge sort)；
(八)基数排序；
(九)各种内部排序算法的比较；
(十)内部排序算法的应用
机器学习考试范围
【考查目标】
- 理解机器学习的基本概念和性能评估指标；掌握机器学习中典型算法的基本思想、适用条件和计算过程等；
- 在熟练掌握算法思想的基础上，能够针对具体的问题对相关的算法进行改进，设计相应的训练策略，并选用合适的编程语言进行实现。
- 针对具体的应用问题，综合利用所学的知识对问题进行建模，选择合适的模型解决问题。
一、绪论：
(一)机器学习的定义；
(二)机器学习的分类和发展历史；
(三)机器学习的应用领域。
二、模型评估与选择：
(一)机器学习的性能评估方法；
(二)经验误差与过拟合；
(三)偏差与方差。
三、线性模型：
(一)线性回归；
(二)对数几率回归；
(三)线性判别分析。
四、决策树：
(一)决策树的基本流程；
(二)决策树中节点的划分；
(三)多变量决策树。
五、神经网络与深度学习：
(一)感知机和多层网络；
(二)误差逆传播算法；
(三)神经网络的优化技巧；
(四)深度学习的基本概念；
(五)常见的深度网络结构。
六、支持向量机：
(一)间隔与支持向量；
(二)软间隔与正则化；
(三)核方法。
七、贝叶斯分类器：
(一)贝叶斯决策论；
(二)极大似然估计；
(三)朴素贝叶斯分类器；
(四)EM算法。
八、集成学习：
(一)集成学习的基本概念；
(二)Boosting；
(三)随机森林。
九、聚类：
(一)聚类的基本概念；
(二)原型聚类；
(三)密度聚类；
(四)层次聚类。
十、降维与度量学习：
(一)低维嵌入；
(二)主成分分析和核化线性降维；
(三)流形学习；
(四)度量学习。
