===============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」：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） 「第3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） ===============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） 「第3章」：编程语言篇 课程名称：【14282】【机器学习-数据科学库（HM）「自由式学习」】 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：【19638】【数据分析-项目合集「自由式学习」】 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） 「第5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6章」：操作系统篇 课程名称：【1243】【Linux零基础课程「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。必须学习吸收，之后大数据阶段会跟服务器一直关联学习。极其重要。                     ---考核---（可选择，联系教务老师） 「第7章」：Git使用篇 课程名称：【4312】【Git操作详解「自由式学习」】 课程内容：该课程，对代码管理工具GIT进行了讲解，代码的版本管理，托管等知识进行了学习，该课程不学习不影响接下来的学习，进公司在学习也可以。                     ---考核---（可选择，联系教务老师） 「第8章」：编程语言篇 课程名称：【32674】【Pycharm的基本使用「自由式学习」】 课程内容：讲解了pycharm如何使用                     ---考核---（可选择，联系教务老师） 「第9章」：编程语言篇 课程名称：【32161】【Pycharm debug 怎样调试代码「自由式学习」】 课程内容：讲解了pycharm中如何进行debug                     ---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：【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3章」：深度学习工具篇 课程名称：【9715】【深度学习-Tensorflow2.0「自由式学习」】 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】：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：【1298】【1、计算机视觉CV理论基础「自由式学习」】 课程内容：该课程主要讲解了图像的预处理和图像的特征与描述、深度学习基础、图像分类、图像检索、目标检测、图像分割、图像描述、图像生成等知识点                     ---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：【10953】【2、计算机视觉CV实践基础「自由式学习」】 课程内容：计算机视觉中对图像的处理，以及完成对车辆的识别、信用卡识别、停车场、答题卡、疲劳驾驶检测等的识别                     ---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：【1297】【3、计算机视觉CV实践加强「自由式学习」】 课程内容：计算机视觉中图像处理的加强课程，目标检测无人驾驶、车辆图片检索等知识点的讲解。                     ---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7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8章」：计算机视觉理论篇 课程名称：【22078】【目标检测-关键点检测「自由式学习」】 课程内容：该课程的内容主要包括：图像识别与检测、人体骨骼点检测、人脸和手部特征点检测、物体关键点检测等待介绍文本                     ---考核---（可选择，联系教务老师） 「第9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10章」：计算机视觉项目篇 课程名称：【4302】【5、Python人工智能项目进阶（第四部分）-物体检测与目标检测主题-项目实现与部署「自由式学习」】 课程内容：目标检测项目的讲解，跟上面的数据集合配套使用                     ---考核---（可选择，联系教务老师） 「第11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12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13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14章」：计算机视觉项目篇 课程名称：【27492】【3、Pytorch_交通指示灯识别「自由式学习」】 课程内容：该课程主要讲解了使用迁移学习实现了交通指示等，以及进行了案例的优化                     ---考核---（可选择，联系教务老师） 「第15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16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17章」：计算机视觉项目篇 课程名称：【30374】【计算机视觉-车道线检测「自由式学习」】 课程内容：该课程主要讲解了视觉和自动驾驶方便的知识普及、图像处理以及视觉的基础、基于哈夫变换的车道线检测、以及基础的深度学习方法简介                     ---考核---（可选择，联系教务老师） 「第18章」：计算机视觉项目篇 课程名称：【30269】【2、计算机视觉-车道线分割「自由式学习」】 课程内容：该课程主要讲解了车道线检测概述以及传统视觉检测方法、CNN经典网络和语义分割模型、车道线分割模型应用、和车道线分割模型实战、车道线检测模型实战、超快车道线检测模型的讲解、以及模型的压缩优化                     ---考核---（可选择，联系教务老师） 「第19章」：计算机视觉项目篇 课程名称：【26809】【基于OpenCV模板匹配的车牌识别项目「自由式学习」】 课程内容：该课程主要讲解了基于Opencv模块的车牌识别项目，包括了车牌提取、车牌字符提取、模糊匹配、车牌倾斜处理、用直方图来处理车牌图片                     ---考核---（可选择，联系教务老师） 「第20章」：计算机视觉项目篇 课程名称：【28563】【计算机视觉-图像分割实战「自由式学习」】 课程内容：该课程主要讲解图像初步的可视化以及图像运算、训练数据的准备、Pytorch的基础应用、模版代码概述、基础调参的学习、U-Net的理论课程、DeepLabv3理论、如何改进网络结构、尝试各种训练方案、U-Net理论课进阶、数据标注、图像增广、面试准备等知识                     ---考核---（可选择，联系教务老师）