【3420】【傅同学】
【个人情况】：大二   心理学专业   普通一本，为了评估一个与计算机视觉相关的项目，通过计算机视觉技术实现病人的行为分析
【学习目标】：1、了解计算机视觉及其应用场景；
2、评估计算机视觉对其项目的可行性，暂不要求算法的开发及原理。
【备注】：
【学习方向】：计算机视觉
【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】：数学阶段
【监督方式】：弱监督
「第1章」：高数基础篇
课程名称：【749】【1、高数基础---人工智能AI数学基础(完全0基础数学)「自由式学习」】
课程内容：高数的系统知识学习，不建议从头到尾观看。浪费时间，可以通过数学加强课程中的数学知识，针对性复习。
                    ---考核---（可选择，联系教务老师）
「第2章」：统计基础篇
课程名称：【753】【3、统计基础---人工智能AI数学基础(完全0基础数学)「自由式学习」】
课程内容：统计的系统知识学习，不建议从头到尾观看。浪费时间，可以通过数学加强课程中的数学知识，针对性复习。
                    ---考核---（可选择，联系教务老师）
「第3章」：概率基础篇
课程名称：【752】【2、概率基础---人工智能AI数学基础(完全0基础数学)「自由式学习」】
课程内容：概率的系统知识学习，不建议从头到尾观看。浪费时间，可以通过数学加强课程中的数学知识，针对性复习。
                    ---考核---（可选择，联系教务老师）

===============章节分割线===============
【第2阶段】：基础阶段
【监督方式】：弱监督
「第1章」：编程语言篇
课程名称：【3449】【Python基础知识-pycharm版「自由式学习」】
课程内容：python基础入门知识，对于算法中需要的基础的python做了一个系统的学习。
                    ---考核---（可选择，联系教务老师）
「第2章」：数据库基础篇
课程名称：【733】【数据库_Mysql基础「自由式学习」】
课程内容：主要讲解了mysql数据库的使用，开发人员的基本操作。如果时间充足，可以系统学习，如果想要快速进入算法，可以跳过，不影响接下来的算法学习。
                    ---考核---（可选择，联系教务老师）
「第3章」：操作系统篇
课程名称：【732】【Linux基础「自由式学习」】
课程内容：主要讲解了linux数据库的使用，开发人员的基本操作。如果时间充足，可以系统学习，如果想要快速进入算法，可以跳过，不影响接下来的算法学习。但是在进入项目阶段之前必须进行学习。
                    ---考核---（可选择，联系教务老师）
「第4章」：数据分析工具篇
课程名称：【31005】【人工智能-时间序列课程「自由式学习」 】
课程内容：该课程主要通过Python对时间序列做处理，讲解了时间序列中的相关的知识，同时配合上针对于啤酒的销量的时间预测的练习，增加对时间序列的熟练
                    ---考核---（可选择，联系教务老师）
「第5章」：Git使用篇
课程名称：【3556】【Git「自由式学习」】
课程内容：主要讲解git工具的使用，在入职之前进行学习也可以，不影响算法阶段学习。开发人员的基本操作
                    ---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】：弱监督
「第1章」：机器学习基础篇
课程名称：【3212】【机器学习算法基础（基础机器学习课程）「自由式学习」】
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：【25041】【机器学习-Sklearn（第三版）「自由式学习」】
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】：弱监督
「第1章」：深度学习基础篇
课程名称：【33179】【机器视觉 「解锁式学习」】
课程内容：该视频主要讲解了计算机视觉的介绍、数学基础、数学图像、插值算法、直方图均衡化、卷积和滤波、特征选择、PCA、边缘检测、canny、相机模型、透视变换、立体视觉、点云模型、Kmeans、层次聚类和密度聚类、图像噪声、SIFT、OpenCV和最小二乘法、Ransac、哈希算法、神经网络等。
                    ---考核---（可选择，联系教务老师）
「第2章」：深度学习基础篇
课程名称：【20360】【深度学习-【2020版】【深版】「cv-自由式学习」】
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5阶段】：说明课程
【监督方式】：弱监督
「第1章」：基础和方向的分割阶段
课程名称：【16578】【说明课程（基础知识与项目衔接说明课程）「自由式学习」】
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】：计算机视觉阶段
【监督方式】：弱监督
「第1章」：计算机视觉理论篇
课程名称：【30264】【1、计算机视觉-视觉任务基础理论「自由式学习」】
课程内容：该课程主要讲解了基本的图像处理、然后图像处理的高级操作、初步认识机器学习中的算法（线性回归、逻辑回归等）、和机器学习常用的经典算法、神经网络以及反向传播、详解CNN卷积神经网络（理论篇、应用篇、实战细节篇）、以及CUDA编程、计算机视觉中的图像分类、深度学习目标检测、计算机视觉中的图像分割、计算机视觉中的目标跟踪、以及整体的知识点总结
                    ---考核---（可选择，联系教务老师）
「第2章」：计算机视觉理论篇
课程名称：【32887】【计算机视觉之目标检测、目标分割、目标跟踪「自由式学习」】
课程内容：该课程使用全英文讲解，主要讲解了目标检测，two-stage检测器、one-stage检测器、多目标跟踪、语义分割、实力分割、全景分割、视频目标分割、行人轨迹预测、3D场景、DeepMOT、CIAGAN、STEM-Seg等的讲解
                    ---考核---（可选择，联系教务老师）
「第3章」：计算机视觉项目篇
课程名称：【4303】【2、Python人工智能项目进阶（第二部分）-百度人脸识别「自由式学习」】
课程内容：计算机视觉中的百度人脸识别的项目之一。
                    ---考核---（可选择，联系教务老师）
「第4章」：计算机视觉项目篇
课程名称：【19513】【目标检测-YOLO-V4基于PyTorch从零复现（与行人车辆检测实战）「自由式学习」】
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5章」：计算机视觉项目篇
课程名称：【30263】【4、计算机视觉-遮挡状态下的活体人脸身份识别「自由式学习」】
课程内容：该课程主要讲解了多模态活体检测技术综述以及数据集CASIA-SURF以及评价办法ACER、Multi-Model-FaceAnti-spoofingAttackModel：
 facebagnet、使用pytorch完成facebagnet的前后工程代码、消融实验以及活体检测模型压缩和落地.、
facerecognize技术综述重点数据集以及工程中的评价办法、带有遮挡人脸识别核心技术：SpatialChannelAttention、
 大规模遮挡人脸识别模型实践：代码完成提升定量分析、大规模人脸识别落地方法：sdk等项目中的概述
                    ---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：【27490】【2、Pytorch_肺部图像识别「自由式学习」】
课程内容：该课程主要讲解了Pytorch实现了一个肺部图像识别的案例。以及进行了结果的展示
                    ---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：【3609】【Python3+TensorFlow人脸识别智能小程序「自由式学习」】
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）
「第8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）

===============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」：机器学习项目系列篇
课程名称：【5072】【机器学习-基于pytorch的风格转换（4）「解锁式学习」】
课程内容：Kaggle中对数据挖掘的项目练习。
                    ---考核---（可选择，联系教务老师）

===============章节分割线===============
【第8阶段】：kaggle项目阶段
【监督方式】：强监督
「第1章」：kaggle比赛系列篇
课程名称：【5073】【2-kaggle神经网络实现机器翻译「解锁式学习」】
课程内容：Kaggle中对视觉翻译机器的项目练习。
                    ---考核---（可选择，联系教务老师）

===============章节分割线===============
【第9阶段】：自然语言处理阶段
【监督方式】：弱监督
「第1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2章」：NLP项目篇
课程名称：【30326】【3、自然语言处理-基于大规模预训练模型的机器阅读理解「自由式学习」】
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）

===============章节分割线===============
【第10阶段】：知识图谱阶段
【监督方式】：弱监督
「第1章」：知识图谱理论篇
课程名称：【8565】【知识图谱「自由式学习」】
课程内容：等待介绍文本
                    ---考核---（可选择，联系教务老师）
「第2章」：知识图谱项目篇
课程名称：【28567】【自然语言处理-医疗知识图谱构建及图表征学习「自由式学习」】
课程内容：该课程主要讲解了数据获取、数据处理、BiLSTM+CRF、Neo4j、图表征学习、已经额外的LSTM知识
                    ---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！