【3567】【刘雨杨】

【个人情况】：河海大学，电子信息专业研二在读，主要为了论文，论文方向是心电信号，已经开题，创新点为心电信号和心电向量结合选择最佳导联子集。学习过pytorch框架，但是比较薄弱，需要从深度学习开始系统学习课程同时完成论文。

【学习目标】：学习算法为了科研任务

【备注】：周监督学习

【学习方向】：自然语言处理（+时间序列预测）

【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！