947-Grace-算法方向-计算机视觉提高-就业:否 扫二维码继续学习 二维码时效为半小时

(0评价)
价格: 免费

Grace:测试情况

#加拿大,在读硕士,物理纳米方向,有一定编程基础,具备数学基础,学习目标:通过学习一方面机器学习技能,一方面深度学习技能,同时一方面也能对未来科研帮助。

#学习目标确定为:机器学习深度学习零基础提升和强化。帮助到自己科研提高。

注意:课程时长一年

研一研二:打好机器学习和深度学习基础

#计算机视觉方向零基础提高

1,必填项:

学员分类:计算机视觉提高

学习方向:计算机视觉

是否就业:否(科研提高)

监督方式: 基础阶段设置为强监督

是否需要阶段考核:是

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。目前为纳米专业,硕士,学习为科研铺垫。注意:目前主要打好编程基础,算法基础为主。

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练习题目参考。

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关于图像方面问题,项目设置为可以从相关的图像识别,人脸识别项目案例入手。数据挖掘也需要掌握。

3.学员学习过线性代数,高数线性代数有基础,这段时间抓紧时间补充数学基础,python需要系统学习,建议加强编程基础,否则后期会出问题。同时学习numpy,pandas数据科学库学习。建议基础阶段弱监督学习,每天只要学习需要提交博客,每个阶段提交xmind,加强阶段和项目阶段强监督学习。

4.数据结构学员没有学习过,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。这部分课程后置。

 

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(4天时间复习)

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(零基础课程)

包括:python语法,面向对象部分

第二阶段:python数据结构加强(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

增加tensorflow2相关课程:

课程:tf2深度学习库学习

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数据挖掘方面问题方案

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:机器学习,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。

参考博客:https://blog.csdn.net/Andrew___A/article/details/101096331

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