【3419】【陈同学】
【个人情况】：16年研究生毕业，软件工程专业。有几年的互联网开发工作经验，对接算法开发，数据中台。有java和sql经验。主要为了申请博士，做人工智能方向。需要系统学习算法和应用实践。
【学习目标】：学习算法申请博士
【备注】：
【学习方向】：自然语言处理
【是否需要就业】：否
【目标就业地点】：暂无
【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】：基础阶段
【监督方式】：强监督
「第1章」：编程语言篇
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
课程名称：【19621】【数据分析-项目合集「解锁式学习」】
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）
===============章节分割线===============
【第2阶段】：数学阶段
【监督方式】：强监督
「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：【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5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6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：【30413】【1、（2022）NLP前置课程「解锁式学习」】
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2章」：NLP理论进阶篇
课程名称：【3014】【2、NLP人工智能（第二部分）---自然语言处理进阶「解锁式学习」】
课程内容：自然语言处理与深度学习的一些知识点的学习。
---考核---（可选择，联系教务老师）
「第3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4章」：NLP理论进阶篇
课程名称：【27794】【NLP实战高手课「解锁式学习 」】
课程内容：该课程主要讲解NLP的基本任务和研究方向、智能问答系统、文本校验系统、深度学习框架GPU、AI部署、神经网络基础（RNN，CNN，Embedding、Pytorch基础）、文本分类实践、半自动特征构建方式、降纬方法、集成模型、神经网络建模、Transformer、时序建模、xDeepFM、图网络、模型融合、深度迁移学习模型、优化器、训练语言模型、长文本分类、依存分析、Tranx、ASDL和AST、wikiSQL、Q-learning、AutoML、算法结合、多模态表示学习、知识蒸馏、K8S部署等等自然语言处理知识
---考核---（可选择，联系教务老师）
「第5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6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7章」：NLP项目篇
课程名称：【30323】【3、自然语言处理-基于大规模预训练模型的机器阅读理解「解锁式学习」】
课程内容：该课程讲解了整个项目的开发过程，其中包括了机器阅读理解发展以及解析、常见的机器学习阅读理解模型、BERT与机器阅读理解、BERT的模型变体、其他的机器阅读理解模型、模型的集成与部署、项目总结整体的内容
---考核---（可选择，联系教务老师）
「第8章」：NLP项目篇
课程名称：【30759】【4、自然语言处理-企业级任务型对话机器人「解锁式学习」】
课程内容：该课程主要讲解了智能对话系统导论、使用RASA制作第一个对话机器人、基于rasa做KBQA、NLU的学习、HuggingFacesTransformer和基于规则的对话状态跟踪、基于模型的对话跟踪和基于规则的Dialogue Policy、NLU和DST联合建模方法、基于模版的对话生成和有限状态机（FSM）、端到端的对话系统和智能对话系统在工业中的应用
---考核---（可选择，联系教务老师）
「第9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10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11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）
「第12章」：NLP项目篇
课程名称：【30417】【5、（2022）NLP后置课程「解锁式学习」】
课程内容：该课程主要讲解了模型压缩、Lecture对话管理、Workop项目作业，以及一些就业指导
---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：【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2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3章」：机器学习练习系列篇
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）
【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！