黄力行测评情况：

1，必填项：

学员分类：计算机视觉有时间提高

学习方向：深度学习嵌入式应用+计算机视觉

是否就业：否

监督方式： 基础阶段设置为弱监督

是否需要阶段考核：否，但是需要提交xmind

学习目标：零基础学习深度学习与机器学习，在计算机视觉提高。能够结合目前的AI技术实现深度学习和嵌入式开发结合数据分析建模任务。目前在读研电子信息工程专业，实验室为计算机方向的任务工作。

1.该学员学习过数学，但是需要重新加强，机器学习基础没接触过，重新开始。目前没有数据分析经验。根据情况配置了kaggle题目参考。

2.希望能够通过学习从零基础完成机器学习基础等问题，能够应对计算机视觉和嵌入式数据分析结合。可以从相关的图像识别，人脸识别项目案例入手。

3.学员学习过概率论，线性代数，高数线性代数有基础，过年这段时间抓紧时间补充数学基础，python学习过建议加强编程基础，同时学习numpy，pandas数据科学库学习。建议基础阶段弱监督学习，每天不需要提交博客，每个阶段提交xmind，加强阶段和项目阶段强监督学习。

4.数据结构学员学习过，这里设置上如果有时间可以使用学习到的python语言实现下数据结构代码。加强python能力。目前不需要设置数据结构，后置该部分。

 

学员课程安排：

1，语言基础课程：（基础课程，弱监督）

第零阶段：数学课程

包括：线性代数，概率论，高等数学，统计学

数学课程作为弱监督，需要时候再看。

第一阶段：python基础（比照大纲尽快学习）

包括：python语法，面向对象部分

第二阶段：python数据结构加强（强化）后置

包括：python基础能力提高

第三阶段：数据科学库基础

包括：numpy，pandas，matplotlib

2，机器学习阶段：（重点课程，强监督）

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，基础核心算法

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

3，深度学习阶段（重点课程，强监督）

第八阶段：深度学习基础

包括：深度学习的基础算法

第九阶段：tensorflow深度学习技术实战

包括：tf深度学习实战

第十阶段：pytorch深度学习实战（扩展学习）

包括：pytorch深度学习实战

4，项目阶段：（强监督）

第十一阶段：opencv图像处理基础知识

包括：图像处理基础知识

第十二阶段：计算机图像处理基础实战。

包括：图像识别，目标检测

第十三阶段：微信小程序人脸识别项目实战

包括：人脸识别项目

第十四阶段：kaggle图像识别项目自选

包括：kaggle常见问题分析场景

第十五阶段：kaggle能源方面问题方案

包括：kaggle常见问题分析场景（增加）

第十六阶段：指导学员下一步学习方向。

 

教学目标：深度学习与计算机视觉基础拓展。

 

时间安排：

学员可以自主安排学习时间

 

每天提交xmind复习笔记和博客笔记。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。

 

相关解释：

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。