1. Neural Networks相关
准备大量阅读ML的基础文章，搞清楚RNN,CNN，GAN，DQN的概念，背后模型，python程序(TF,Teano)
找一个具体问题建模实践（已经找到一个肺癌图像识别比赛）
如何把网络问题用NN建模，表征，分类，预测？
目前已经着手调研的文献有：
[1]:http://www.wildml.com/ 的博文
[2]:The Unreasonable Effectiveness of Recurrent Neural Networks
[3]:A practical guide to training restricted Boltzmann machines
[4]A fast learning algorithm for deep belief nets
[5]Feature Learning in Deep Neural Networks Studies on Speech Recognition Tasks
[6]Gradient-Based Learning Applied to Document Recognition
[7]Dropout Training as Adaptive Regularization
2. 可视化相关：
- 熟悉D3.js,Vue.js相关库，做数据可视化
3.科学学相关
希望通过利用之前PlosOne的那篇国家发展潜力的文章做作者的发展潜力
看看不同作者在主题上的兴趣分布和成就分布
识别虚假引用（定义文章的相似性的方法，基于内容和引用，是不是两人合作越多，非必要引用也出现得越多？）和引用的创新性的识别
学术撤稿的影响，对个人发表文章，机构文章，领域内影响
后面两个可能在近期做一下，文献调研暂时没有做，不过应该做过的人不多