【3426】【侍帅辉】 【个人情况】：研二，控制工程与电子信息，方向目标检测（小目标：苍蝇，人头计数），  为了完成毕业设计。理论简单了解，python中等。 【学习目标】：1、完成一个目标检测算法训练自己的数据集； 2、完成毕设的数据训练，仅限目标检测； 【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」：操作系统篇 课程名称：【17036】【0、Linux基础+实操教程「自由式学习」】 课程内容：该课程主要介绍了linux系统、对linux系统的安装、使用、网络配置、硬盘挂载、分区、进程管理、实用指令等的学习                     ---考核---（可选择，联系教务老师） 「第3章」：数据结构与算法篇 课程名称：【721】【Python数据结构与算法「自由式学习」】 课程内容：数据结构入门，主要讲解了堆、栈、链表、快排、二分、树等数据结构与算法，课程末尾将会提供leetcode刷题教程，请需要就业的徒弟务必重视练习。                     ---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】：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：【4292】【机器学习-Sklearn课程--V2「自由式学习」】 课程内容：机器学习中的一个框架的学习，偏向于练习。                     ---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：【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2章」：深度学习基础篇 课程名称：【33180】【机器视觉 「自由式学习」】 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） 「第4章」：深度学习工具篇 课程名称：【9556】【Pytorch学习「自由式学习」】 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5章」：深度学习工具篇 课程名称：【4308】【1、Python人工智能项目进阶（第一部分）-深度学习进阶提高「自由式学习」】 课程内容：深度学习常用框架知识的讲解，深层神经网络、浅层神经网络的算法、卷积神经网络算法                     ---考核---（可选择，联系教务老师） 「第6章」：深度学习进阶篇 课程名称：【4411】【2、（Part Two）深度学习进阶「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） ===============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：【1460】【目标检测「自由式学习」】 课程内容：传统的目标检测流程、以及DSSD、caffe-SSD、SPPNet、HyperNET、Faster RCNN、Yolov2、以及文本检测模型、以及不同的目标检测算法的任务性能等评估等等等目标检测算法学习                     ---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：【28855】【轻松学OpenCV「自由式学习」】 课程内容：该课程主要讲解了图像基础、图像的处理步骤、从摄像头和视频中读取图片、图像的8种变换、人脸检测实操、人脸跟踪、人脸识别等知识点                     ---考核---（可选择，联系教务老师） 「第3章」：计算机视觉理论篇 课程名称：【29446】【YOLOv5(PyTorch)目标检测：原理与源码解析「自由式学习」 】 课程内容：该课程主要讲解了目标检测常见的任务和数据集、Ubuntu系统和Win系统上面分别训练数据集、YOLO的基本原理、模型构建相关代码解析、数据集创建相关代码解析、general.py文件代码解析、辅助工具代码解析、YOLOV5相关代码解析等知识点                     ---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：【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5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6章」：计算机视觉项目篇 课程名称：【4301】【4、Python人工智能项目进阶（第四部分）-物体检测与目标检测主题-检测算法原理+数据集制作与处理「自由式学习」】 课程内容：目标检测项目的数据集的制作以及讲解，与项目配套使用                     ---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：【30270】【3、计算机视觉-公共场景下的口罩实时监测-YOLOV3「自由式学习」】 课程内容：该课程主要使用了YOLOV3针对于公共场景下的口罩实时监测，其中讲解了RCNN、FastRCNN、FasterRCNN+Anchor等常见的视觉算法的应用、以及yolov1、v2、v3、v4等算法的原理、以及YOLOV3的代码讲解、YOLOV3的训练测试以及AiStudio的使用实现等课程                     ---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：【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） ===============章节分割线=============== 【第7阶段】：AI项目合集阶段 【监督方式】：弱监督 「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】：弱监督 「第1章」：kaggle比赛系列篇 课程名称：【23805】【6、kaggle比赛系列-深度学习相关比赛「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） 【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！