谢林昌测试情况：
注重实践，注重过程监控，不能只看视频不写代码。
1.考核：有编程基础却不系统，python从基础开始，注重过程监控。数学基础较为扎实。学员稍微学过数据结构，重新学习加强
2.个人情况：研究所导航与控制方向研二，个人对计算机视觉感兴趣。
3.目前情况：现在研二，应对研二硕士学习提高，可能未来毕业后算法就业。方向是cv算法等。
4.目标：扎实专研应对cv零基础提升，应对学习提高。
5.教学方向：无基础算法cv方向提高
课程安排：
第零阶段：数学课程（弱监督）
包括：线性代数，概率论，高等数学，统计学
第一阶段：python基础
包括：python语法，面向对象部分
第二阶段：python数据结构基础
包括：链表，线性表，树，图，排序，查找
增加leetcode刷题阶段
第三阶段：数据科学库基础
包括：numpy，pandas，matplotlib
第四阶段：机器学习数学基础加强。
包括：高数，概率，线代加强
第五阶段: 机器学习基础
包括：机器学习算法理论基础
第六阶段：机器学习进阶
包括：分类算法，聚类算法，回归算法，HMM
第七阶段：sklearn机器学习实战
包括：特征工程，建模代码实战
第八阶段：深度学习基础
包括：深度学习BPNN，CNN，RNN，LSTM
第九阶段：tensorflow实践。
包括：深度学习算法实践
第十阶段：pytorch基础与实践
包括：pytorch基础知识（见xmind）
第十一阶段: cv基础知识储备
包括：opencv，gan，gru
第十二阶段: cv项目基础1个月
包括：图像识别，目标检测，图像分割等
第十二阶段：kaggle的cv项目实战
包括：选择好的一部分kaggle案例
第十三阶段：指导简历与面试技巧

教学目标：算法基础cv基础提高。

时间安排：
每周一到周五，每天学习2到3小时小时，可以安排。
每周六5小时，周日考核。自己安排好时间。
每天提交xmind复习笔记，同时每周三日，整理知识点，整理笔记到博客，可以选择博客园博客。将重点知识点录屏自己讲出来(学习方式中吸收最好的方式是给别人讲出来)，并提交作业。

相关规定：每天必须按计划完成任务，否则将停发学习任务，临时有事需请假。考核不通过需要缴费补考。