【3253】【刘泉】
【个人情况】：研究生在读，机械专业，本科计算机。有编程经验，前后端等技术经验。算法经验薄弱。主要是为了论文，论文方向是时间序列预测相关，算法建议以CNN、LSTM、Autoencoder，GRU、Seq2seq、transformer等为主，框架以pytorch为主。
【学习目标】：学习算法为了科研任务
【备注】：
【学习方向】：时间序列预测（+NLP）
【是否需要就业】：否
【目标就业地点】：其他城市
【课程学习顺序】：以老师发的学习思路为主
（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】：机器学习阶段
【监督方式】：强监督）
「第1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2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：【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）
「第3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）
===============章节分割线===============
【第3阶段】：自然语言处理阶段
【监督方式】：强监督
「第1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2章」：NLP项目篇
课程名称：【30322】【2、自然语言处理-基于Seq2Seq、Transformer、BERT的词向量「解锁式学习」】
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3章」：NLP项目篇
课程名称：【30415】【3、（2022）NLP项目集合「解锁式学习」】
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4章」：NLP项目篇
课程名称：【30416】【4、（2022）Transformer和预训练模型阶段「解锁式学习」】
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4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：【19630】【3、机器学习练习-LSTM_IBM股价预测「解锁式学习」】
课程内容：该课程主要是机器学习算法上面的练习
---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：【30167】【基于LSTM单变量预测_电力消耗预测「解锁式学习」】
课程内容：该课程主要讲解了通过Tensorflow2.0实现了给予LSTM的单变量预测-电力消耗预测
---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：【19631】【4、机器学习练习-决策树、随机森林-用于流失预测「解锁式学习」】
课程内容：该课程主要是机器学习算法上面的练习
---考核---（可选择，联系教务老师）
「第5章」：机器学习练习系列篇
课程名称：【30169】【基于LSTM多变量预测_共享单车使用量预测「解锁式学习」】
课程内容：该课程主要讲解了通过Tensorflow2.0实现了给予LSTM的多变量预测-共享单车使用量预测
---考核---（可选择，联系教务老师）
【简历辅导阶段】
写出来初版的简历，然后老师进行建议，再次修改简历。简历合格，进行模拟面试。沟通面试问题等，具体事宜，到该阶段之后联系相应的教务老师进行安排。
【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！