===============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：【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2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：【2924】【1、NLP人工智能（第一部分）---自然语言处理基础必备「解锁式学习」】

课程内容：自然语言处理方向中对一些基础的自然语言处理的讲解，特征选取以及词向量等，其中还有对机器学习做的一些简单的复习知识。可以跳过

                    ---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：【30441】【1、（2022）NLP前置课程「自由式学习」】

课程内容：该课程主要讲解了自然语言处理的概论以及常见的基础任务的普及、分类问题、命名实体识别、句法分析、语义理解与常见应用、以及两篇paper的带读、讲解了一个小案例、实践复杂度、动态规划、DP动态规划等知识点

                    ---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理论进阶篇

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）

「第6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7章」：NLP项目篇

课程名称：【27493】【4、PyTorch_LSTM文本生成「解锁式学习」】

课程内容：该课程主要讲解Pytorch使用LSTM生成字符集的操作

                    ---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）

「第9章」：NLP项目篇

课程名称：【30328】【2、自然语言处理-基于Seq2Seq、Transformer、BERT的词向量「自由式学习」】

课程内容：该课程主要实现了NLP的一个整体的项目，讲解了项目导论与中文词向量实践、基于Seq2Seq架构的模型搭建、NLG过程的优化与项目的inference、OOV和Word-repetition问题的改进、基于Transformer特征提取器的改进、BERT在抽取任务中的效果、预训练模型在摘要任务中的改进、项目总结与回顾等知识点

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

「第10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）

 

 

===============章节分割线===============

【第3阶段】：计算机视觉阶段

【监督方式】：强监督

「第1章」：计算机视觉理论篇

课程名称：【1096】【1、计算机视觉CV理论基础「解锁式学习」】

课程内容：该课程主要讲解了图像的预处理和图像的特征与描述、深度学习基础、图像分类、图像检索、目标检测、图像分割、图像描述、图像生成等知识点

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

「第2章」：计算机视觉项目篇

课程名称：【1095】【3、计算机视觉CV实践加强「解锁式学习」】

课程内容：计算机视觉中图像处理的加强课程，目标检测无人驾驶、车辆图片检索等知识点的讲解。

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

「第3章」：计算机视觉理论篇

课程名称：【2433】【目标检测「解锁式学习」】

课程内容：传统的目标检测流程、以及DSSD、caffe-SSD、SPPNet、HyperNET、Faster RCNN、Yolov2、以及文本检测模型、以及不同的目标检测算法的任务性能等评估等等等目标检测算法学习

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

「第4章」：计算机视觉理论篇

课程名称：【22067】【目标检测-关键点检测「解锁式学习」】

课程内容：该课程的内容主要包括：图像识别与检测、人体骨骼点检测、人脸和手部特征点检测、物体关键点检测等待介绍文本

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

「第5章」：计算机视觉项目篇

课程名称：【3018】【4、Python人工智能项目进阶（第四部分）-物体检测与目标检测主题-检测算法原理+数据集制作与处理「解锁式学习」】

课程内容：目标检测项目的数据集的制作以及讲解，与项目配套使用

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

「第6章」：计算机视觉项目篇

课程名称：【3635】【5、Python人工智能项目进阶（第四部分）-物体检测与目标检测主题-项目实现与部署「解锁式学习」】

课程内容：目标检测项目的讲解，跟上面的数据集合配套使用

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

「第7章」：计算机视觉项目篇

课程名称：【19451】【目标检测-YOLO-V4基于PyTorch从零复现（与行人车辆检测实战）「解锁式学习」】

课程内容：该课程通过yolov4项目的介绍、卷积神经的介绍、对yolov3的回顾、yolov4的讲解，然后从零开始写项目代码、项目模型的训练、代码解读、以及训练工具的使用

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

「第8章」：计算机视觉项目篇

课程名称：【3133】【Python3+TensorFlow人脸识别智能小程序「解锁式学习」】

课程内容：对于人脸检测技能做了整体的讲解以及实现。

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