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