【2929】【郑英冉】

【个人情况】：计算机科学与技术(数据分析与应用)大四，九月份研究生开学，了解到导师是NLP方向。数学基础比较好，代码理论基础比较扎实，但实践经验较少，需要加强；机器学习和深度学习几乎零基础，需要系统学习。每天学习实践比较充裕

【学习目标】：加强实践能力，自然语言相关方向及模型系统学习。

【备注】：试学，数学阶段简单过一下即可，第3-5阶段为重点

【学习方向】：自然语言处理

【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】：数学阶段

【监督方式】：弱监督

「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2阶段】：基础阶段

【监督方式】：自由+强监督

「第1章」：编程语言篇（自由式）

课程名称：【3434】【Python基础知识-pycharm版「解锁式学习」】

课程内容：python基础入门知识，对于算法中需要的基础的python做了一个系统的学习。

                    ---考核---（可选择，联系教务老师）

「第2章」：数据结构与算法篇（自由）

课程名称：【36】【Python数据结构与算法「解锁式学习」】

课程内容：数据结构入门，主要讲解了堆、栈、链表、快排、二分、树等数据结构与算法，课程末尾将会提供leetcode刷题教程，请需要就业的徒弟务必重视练习。

                    ---考核---（可选择，联系教务老师）

「第3章」：编程语言篇（强）

课程名称：【14281】【机器学习-数据科学库（HM）「解锁式学习」】

课程内容：讲解了目前主要是pandas、numpy、matpoltlib库的使用。

                    ---考核---（可选择，联系教务老师）

「第4章」：编程语言篇（强）

课程名称：【19638】【数据分析-项目合集「自由式学习」】

课程内容：该课程主要讲解了股票分析案例、人口数据分析案例、美国大选案例、用户数据分析案例四个例子来加深数据分析的例子

                    ---考核---（可选择，联系教务老师）

「第5章」：操作系统篇

课程名称：【1219】【Linux零基础课程「解锁式学习」】

课程内容：主要讲解了linux数据库的使用，开发人员的基本操作。必须学习吸收，之后大数据阶段会跟服务器一直关联学习。极其重要。

                    ---考核---（可选择，联系教务老师）

 

===============章节分割线===============

【第3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：【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）

 

===============章节分割线===============

【第4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：【20379】【深度学习-【2020版】【深版】「NLP-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：【9622】【深度学习-Tensorflow2.0「解锁式学习」】

课程内容：深度学习中TensorFlow2.X版本的讲解与使用。

                    ---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）

 

===============章节分割线===============

【第5阶段】：自然语言处理阶段

【监督方式】：强监督

「第1章」：NLP理论基础篇

课程名称：【3015】【1、Python人工智能项目进阶（第一部分）-深度学习进阶提高「解锁式学习」】

课程内容：深度学习常用框架知识的讲解，深层神经网络、浅层神经网络的算法、卷积神经网络算法

                    ---考核---（可选择，联系教务老师）

「第2章」：NLP理论基础篇

课程名称：【3425】【NLP自然语言处理基础课程「解锁式学习」】

课程内容：LDA、语言模型结合朴素贝叶斯、基于统计的翻译系统、隐马尔可夫模型、词向量等知识的讲解。

                    ---考核---（可选择，联系教务老师）

「第3章」：NLP理论基础篇

课程名称：【30325】【1、自然语言处理-NLP核心能力提升「自由式学习」】

课程内容：该课程主要是讲解语言模型与语法树、爬虫、搜索引擎与自动路径决策、动态规划与编辑距离、自然语言初步理解、经典的机器学习算法、深度学习、非监督、半监督、主动学习、word2vec、CNN卷积神经网络、RNN循环神经网络、Transformer与BERT大规模预训练问题、面向服务的智能客服机器人与新闻自动生成摘要的案例等知识体系

                    ---考核---（可选择，联系教务老师）

「第4章」：NLP项目篇

课程名称：【3266】【NLP到Word2Vec实战「解锁式学习」】

课程内容：自然语言处理阶段的Word2Vec的讲解

                    ---考核---（可选择，联系教务老师）

「第5章」：NLP项目篇

课程名称：【3541】【自然语言序列模型实战「解锁式学习」】

课程内容：该课程对于自然语言处理模型进行概述，包含语言模型，神经序列模型，FSM，CRF的学习

                    ---考核---（可选择，联系教务老师）

「第6章」：NLP项目篇

课程名称：【30439】【4、（2022）Transformer和预训练模型阶段「自由式学习」】

课程内容：该课程主要讲解了自注意力机制以及Transformer、Teansformer的代码实现、基于Transformer的闲聊引擎、BERT中的Fine-tuning实例讲解、XLNet、ALBERT的应用、以及XLNet论文讲解。

                    ---考核---（可选择，联系教务老师）

「第7章」：NLP项目篇

课程名称：【30438】【3、（2022）NLP项目集合「自由式学习」】

课程内容：该课程讲解了自然语言处理中的图书分类项目、基于Seq2Seq的文本生成、基于Seq2Seq的机器翻译系统、Named Entity Recognition项目、Pointer NetWork以及Beam Search项目、智能营销项目营销文案生成论文、文本领域中的数据增强技术、NLP Lecture 话系统中的核心、检索模型等知识点的讲解

                    ---考核---（可选择，联系教务老师）

「第8章」：NLP项目篇

课程名称：【25083】【PyTorch-情感分类「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6阶段】：说明课程

【监督方式】：强监督

「第1章」：基础和方向的分割阶段

课程名称：【3244】【说明课程（基础知识与项目衔接说明课程）「解锁式学习」】

课程内容：项目阶段与基础阶段的分界点，在该课程之前为基础阶段，之后为项目阶段，如需更改方向，请在该阶段在群里与老师沟通。

                    ---考核---（可选择，联系教务老师）

 

===============章节分割线===============

【第7阶段】：AI项目合集阶段

【监督方式】：强监督

「第1章」：机器学习练习系列篇

课程名称：【30171】【基于LSTM进行文本生成「解锁式学习」】

课程内容：该课程主要讲解了通过Tensorflow2.0实现基于LSTM的文本生成

                    ---考核---（可选择，联系教务老师）

「第2章」：机器学习练习系列篇

课程名称：【3542】【机器学习-文本主题与分类（5，6）「解锁式学习」】

课程内容：kaggle中对文本的分类项目练习。

                    ---考核---（可选择，联系教务老师）

「第3章」：机器学习练习系列篇

课程名称：【30173】【基于Embedding进行IMDB情感文本分析「解锁式学习」】

课程内容：该课程主要讲解了通过Tensorflow2.0实现基于Embedding进行IMDB情感文本分类

                    ---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！