【2504】【Wayne】 【个人情况】：本科web和java方向，软件工程专业硕士，目前关注课题：基于深度蒙特卡洛得一个斗地主AI。数学基础比较薄弱，python比较熟练，人工智能（机器学习，深度学习，强化学习）相关基础薄弱。 【学习目标】：试学期间学习顺序：深度学习--强化学习系统框架--深度强化学习，后期补充数学等知识 【备注】：试学 【学习方向】：强化学习 【是否需要就业】：否 【目标就业地点】：一线城市 【课程学习顺序】：以老师发的学习思路稳住 （按照顺序学习即可，有问题随时跟老师联系调整） 【学员课程安排】：有任何疑问，在群里随时艾特或者ding教务老师和电话测评的老师！尽快解决，达到当前阶段没有疑问为止。 ===============章节分割线=============== 【第1阶段】：深度学习阶段 【监督方式】：强监督 「第1章」：深度学习基础篇 课程名称：【21964】【深度学习-【2020版】【深版】「数据挖掘-解锁式学习」】 课程内容：深度学习深入知识的讲解，对神经网络等深度学习常用的算法进行了讲解                     ---考核---（可选择，联系教务老师） 「第2章」：深度学习工具篇 课程名称：【3267】【TensorFlow深度学习（第二版更新TF）-2「解锁式学习」】 课程内容：深度学习中的TensorFlow框架的讲解于使用。                     ---考核---（可选择，联系教务老师） 「第3章」：深度学习工具篇 课程名称：【9555】【Pytorch学习「解锁式学习」】 课程内容：深度学习中的Pytorch框架的讲解于使用。                     ---考核---（可选择，联系教务老师） 「第4章」：深度学习进阶篇 课程名称：【3024】【3、NLP人工智能（第三部分）---深度学习Bert进阶「解锁式学习」】 课程内容：深度学习中的文本匹配以及语料库的匹配等自然语言处理结合的课程。                     ---考核---（可选择，联系教务老师） ===============章节分割线=============== 【第2阶段】：强化学习阶段 【监督方式】：强监督 「第1章」：强化学习理论篇 课程名称：【3386】【强化学习（7课程）「解锁式学习」】 课程内容：等待介绍文本                     ---考核---（可选择，联系教务老师） 「第2章」：强化学习实战篇 课程名称：【3384】【1、强化学习实战课程（51）-基本原理「解锁式学习」】 课程内容：等待介绍文本                     ---考核---（可选择，联系教务老师） 「第3章」：强化学习实战篇 课程名称：【3385】【2、强化学习实战课程（51）-项目实践「解锁式学习」】 课程内容：等待介绍文本                     ---考核---（可选择，联系教务老师） ===============章节分割线=============== 【第3阶段】：数学阶段 【监督方式】：强监督 「第1章」：数学加强篇 课程名称：【19968】【机器学习中的数学基础-53集「解锁式学习」】 课程内容：对机器学习中的数学中的微分[极限、导数、费马定理、泰勒、多元函数、偏导数、方向导数、梯度、链式法制、拉格朗日]，线性代数[向量、矩阵、张量、行列式、线性方程组、矩阵分解]，概率[随机变量、概率分布、贝叶斯定理、期望、方差、大数定律、特征函数、中心极限定理、统计学基础、极大似然估计、zuida后验估计、蒙特卡罗方法、Bootstrap方法、EM算法]，最优化方法[最速下降法、共轭梯度法、牛顿法、拟牛顿法、约束非线性优化、KKT条件]等数学知识点的复习                     ---考核---（可选择，联系教务老师） ===============章节分割线=============== 【第4阶段】：数学阶段 【监督方式】：弱监督 「第1章」：高数基础篇 课程名称：【749】【1、高数基础---人工智能AI数学基础(完全0基础数学)「自由式学习」】 课程内容：高数的系统知识学习，不建议从头到尾观看。浪费时间，可以通过数学加强课程中的数学知识，针对性复习。                     ---考核---（可选择，联系教务老师） 「第2章」：概率基础篇 课程名称：【752】【2、概率基础---人工智能AI数学基础(完全0基础数学)「自由式学习」】 课程内容：概率的系统知识学习，不建议从头到尾观看。浪费时间，可以通过数学加强课程中的数学知识，针对性复习。                     ---考核---（可选择，联系教务老师） 「第3章」：统计基础篇 课程名称：【753】【3、统计基础---人工智能AI数学基础(完全0基础数学)「自由式学习」】 课程内容：统计的系统知识学习，不建议从头到尾观看。浪费时间，可以通过数学加强课程中的数学知识，针对性复习。                     ---考核---（可选择，联系教务老师） ===============章节分割线=============== 【第5阶段】：机器学习阶段 【监督方式】：强监督 「第1章」：机器学习基础篇 课程名称：【3211】【机器学习算法基础（基础机器学习课程）「解锁式学习」】 课程内容：机器学习基础算法的讲解，偏向于实现，对底层原理没有进行过多的阐述。                     ---考核---（可选择，联系教务老师） 「第2章」：机器学习进阶篇 课程名称：【33】【机器学习---算法进阶「解锁式学习」】 课程内容：对机器学习深入的讲解，利用了大量的数学公式进行推导，足以应对工厂面试过程中问到的算法的底层远离的实现。比较难理解，需要多次吸收强化。如对该课程有不适应，请及时跟教务老师联系。                     ---考核---（可选择，联系教务老师） 「第3章」：机器学习工具篇 课程名称：【4291】【机器学习-Sklearn课程--V2「解锁式学习」】 课程内容：机器学习中的一个框架的学习，偏向于练习。                     ---考核---（可选择，联系教务老师） 「第4章」：机器学习工具篇 课程名称：【24941】【机器学习-Sklearn（第三版）「解锁式学习」】 课程内容：该课程主要讲解了经典算法决策树、随机森林、特征工程数据预处理、经典算法降维算法PCA、逻辑回归、聚类算法KMeans、支持向量机SVM、线性回归、朴素贝叶斯、 XGBoost及其相关案例                     ---考核---（可选择，联系教务老师） 【时间安排】： 学员可以自主安排学习时间。具体的时间可以灵活调整。 【相关规定】： （1）每天完成今日学习任务，提交相应的csdn或者是有道云笔记之类的链接到每日作业中。老师会进行审核，每个阶段结束，进行阶段测评，测评通过，提交老师发布的通过截图到下一个课程的第一节的阶段卡点之后，方可进行下一章内容的学习。 （2）每个章节结束，如果觉得吸收比较乱，知识点多，可以进行xmind脑图的构造一下整体的思路！ （3）项目阶段，需要录制或者文档落地针对做过的项目的自述！ （4）每天必须按计划完成任务，临时有事需在日报中说明情况即可，长期请假请联系教务老师。 （5）考核不通过需要缴费补考，50元是第一次，每次增加50元，200元封顶（此项如有疑问，可以联系教务老师进行更改）。 【参考博客】：第二天早晨八点半，会有拜师晨报提醒。当中有学生优秀博客，可以查看学生的排版 【监督相关说明】： 弱监督：不需要每天提交作业，直接可以解锁课程，适合于自制力能力强的。 强监督：需要学习完一个课程通过管理员解锁才能继续学习下一个阶段，适合于自制力不够强，已经参加工作的学员。 【工作安排】： （1）、批改作业，环境安装！还有学习过程中有不会的问题的话，艾特软件安装以及基础答疑老师！ （2）、学习过程中如果有什么问题和疑问，可以艾特答疑老师！ （3）、如果计划需要更改，可以群里艾特我和跟你电话测评沟通的老师进行沟通！ （4）、如果有什么方向上面的疑问，可以艾特相关的答疑老师和计划制定的老师！ （5）、如果不知道找哪位老师的话，或者问题比较紧急的可以艾特教务老师进行处理，或者有什么意见和建议（直接私聊教务老师）！教务老师会进行受理！