【2098】【小青蛇】

【个人情况】：前期接受过remi老师和胡子老师的系统培训。根据论文进度，已经进行了python，深度学习相关内容的学习，完成了前面推荐系统的设计与实现。

【学习目标】：根据推荐系统的输出，将动物色彩搭配应用在三维设计模型上，进行风格化迁移。发论文。

【备注】：

【学习方向】：计算机视觉

【是否需要就业】：否

【目标就业地点】：一线城市

【课程学习顺序】：红色标注为重点掌握内容，其它内容为参考辅助

【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。

【学习要点】：

（1）Python基础：会读懂代码，会调试，会写简单的小程序（如四则运算计算器、学生班级管理软件）。

（2）计算机图形学、计算机视觉：掌握基本原理，如图形的基本变换，数字图像处理，双目视觉原理，多视图几何等。

（3）机器视觉和深度学习：了解常见的方法，如SVM，CNN等。能讲明白原理，不要求实现。

（4）Pytorch：熟练掌握基本用法，明白运行原理，能读懂，会调用，会修改。

（5）YOLO框架：对照YOLO讲解和论文，熟练掌握网络架构，层级功能，编解码等各个组件。能读懂，会调用，会修改。

（6）项目实战：根据项目讲解，对照视频一边复现一边实现功能。

（7）论文科研：先从百度学术、谷歌学术搜论文。近10年的综述+近5年的小论文。顶会顶刊，SCI一区二区，CCF ABC类。有代码的最好。先看论文的题目，摘要，集中筛选出来100篇左右和你相关的论文。然后再看这100篇论文的引言、研究现状、实验结果，和你要研究的内容相似不相似？相似就留下，不相似直接删掉，应该能剩下20多篇，这20多篇也是以后你的论文研究现状要用到的。然后第三遍，看这20多篇的方法设计与实现，精确匹配你的任务目标，看符不符合，最后应该只剩下2到3篇，可以跟着复现的。然后复现他们论文的代码，或者github下载下来跑通他们的代码。跑通原作者的代码和数据集之后，再换上自己的数据跑。针对结果中效果比较差的地方，分析数据特点，改进网络，形成自己的新型网络。

（以上内容根据实际情况和需求随时讨论调整）

【必读须知】：

所有参考资料都是掌握其原理，不要陷入数学公式当中来回去推导演算，用到的时候再算，先构建一个完整的知识体系，就跟字典目录一样，这些都是工具，用到的时候带着实际问题去查去用。

不定时在线，有事请留言。可文字、长语音消息、短视频、截图群里留言。周日交周报，总结本周工作（100字左右）。如有沟通不清或紧急情况，可在晚上9点打电话，提前预约。有任何问题随时就说，计划可以随时调整。

为了提高同学的提问效率，避免浪费时间，甚至引起矛盾。要求同学必须！认真！阅读文章“提问的智慧”（https://github.com/ryanhanwu/How-To-Ask-Questions-The-Smart-Way/blob/main/README-zh_CN.md） ，学习如何清晰准确完整的描述一个问题。尤其避免“没有论文原文算法，没有代码上下文内容，没有怎么操作的步骤，没有调试信息，没有任何你查找资料或解决问题的过程，直接甩个Error红字截图过来，要求老师马上报出答案”的这种场面。老师不是神仙，不能未卜先知，不是全知全能，不可能跑过天底下所有的代码库，也要根据你自己的情况描述，和你一起分析可能出错的地方。你描述的越详细，提供的信息越多，解决问题的速度就越快，对你的帮助就越大。

同时，要求同学们必须！必须！优先熟练掌握开发工具pycharm的使用（http://vip.17baishi.com/course_set/34215） ，以及pycharm的debug调试功能（http://vip.17baishi.com/course_set/34216） 。python掌握基本的读代码写代码能力（http://vip.17baishi.com/course/10183）、（http://vip.17baishi.com/course/29448） 。我们的课程资源库就有相关课程，知识体系非常完备。或者参考csdn，b站，都有类似相关视频。很简短，几十分钟就可以完全掌握了。

 

===============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」：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5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6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7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8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）

「第9章」：编程语言篇

课程名称：【29448】【Python练习100题「自由式学习」】

课程内容：该课程主要讲解使用Pyhton完成了一百道小练习，用于巩固Python基础语法的一些小练习

                    ---考核---（可选择，联系教务老师）

「第10章」：数据结构与算法篇

课程名称：【10183】【玩转算法面试Leetcode题库「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3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：【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）

 

===============章节分割线===============

【第4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：【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）

 

===============章节分割线===============

【第5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：【728】【机器学习---导论「自由式学习」】

课程内容：该课程主要讲解了人工智能和大数据的关系等知识点，并且讲了人工智能基础的分类等知识点，属于一个普及课程

                    ---考核---（可选择，联系教务老师）

「第2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3章」：机器学习基础篇

课程名称：【23611】【机器学习-算法基础（TBF）「自由式学习」】

课程内容：该课程的内容主要包括：线性回归、非线性回归、逻辑回归、神经网络、KNN算法、决策树、集成学习、贝叶斯算法、聚类算法、主成分分析PCA、支持向量机SVM相关讲解

                    ---考核---（可选择，联系教务老师）

「第4章」：机器学习进阶篇

课程名称：【725】【机器学习---算法进阶「自由式学习」】

课程内容：对机器学习深入的讲解，利用了大量的数学公式进行推导，足以应对工厂面试过程中问到的算法的底层远离的实现。比较难理解，需要多次吸收强化。如对该课程有不适应，请及时跟教务老师联系。

                    ---考核---（可选择，联系教务老师）

「第5章」：机器学习进阶篇

课程名称：【28779】【机器学习-算法概念进阶「自由式学习」】

课程内容：该课程主要讲解了机器学习中的数学基础、机器学习的哲学思想、经典的机器学习模型、集成学习、线性模型、核方法、统计学习、无监督学习、流形学习、概念学习、神经网络、强化学习等知识

                    ---考核---（可选择，联系教务老师）

「第6章」：机器学习进阶篇

课程名称：【18164】【机器学习---算法进阶「数据挖掘-自由式学习」】

课程内容：对机器学习深入的讲解，利用了大量的数学公式进行推导，足以应对工厂面试过程中问到的算法的底层远离的实现。比较难理解，需要多次吸收强化。如对该课程有不适应，请及时跟教务老师联系。

                    ---考核---（可选择，联系教务老师）

「第7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）

「第8章」：机器学习工具篇

课程名称：【27582】【轻松学Keras「自由式学习」】

课程内容：该课程主要讲解Keras 对MNIST数据集的加载、可视化、搭建、训练、显示等

                    ---考核---（可选择，联系教务老师）

 

===============章节分割线===============

【第6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：【31017】【深度学习理论「自由式学习」】

课程内容：该课程主要对深度学习做了整体的介绍、讲解了传统神经网络、卷积神经网络（初级、高级、目标分类、目标探测）、递归神经网络（基础）、递归网络和卷积网络的结合、生成对抗网络（GAN）、增强学习

                    ---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」：深度学习基础篇

课程名称：【33513】【2、深度学习-GAN网络「自由式学习」】

课程内容：该课程主要讲解了什么是GAN、GAN的原理、GAN的变体CycleGAN、StyleGAN、DCGAN、超参和dataset编写、Generator编写、Discriminator的编写、Trainer的编写、以及怎么检查GAN的训练过程

                    ---考核---（可选择，联系教务老师）

「第4章」：深度学习基础篇

课程名称：【33523】【3、深度学习-注意力机制、迁移学习、半监督学习「自由式学习」】

课程内容：该课程主要讲解了什么是注意力机制、注意力机制的原理、自注意力机制self-attention、Transformer的原理，Transformer实现G2p、Multi-head attention的讲解、什么是迁移学习、迁移学习的分类、怎么实现迁移学习、基于ResNet迁移学习的姿态识别、半监督是什么、半监督解决了什么问题、半监督的原理等等知识点

                    ---考核---（可选择，联系教务老师）

「第5章」：深度学习基础篇

课程名称：【34052】【GCN图卷积神经网络「自由式学习」】

课程内容：该课程主要讲解了图基本知识、图基本知识的代码、DeepWalk、LINE、node2Vec、truct2Vec、SDNE、GCN、GraphSAGE、GAT、GCN、PyG代码、图网络的分类、HAN算法、GTN算法、metapath2vec算法、GATNE理论、BiNE理论和代码、SGCN代码和理论、SiGAT理论和代码、动态图分类、DySAT代码和理论、Evolve理论和代码、DGNN理论和代码、HGNN理论和代码等知识

                    ---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：【24942】【深度学习模型部署+剪枝优化「自由式学习」】

课程内容：该课程的内容主要包括：模型加载与数据预处理、docker、阿里云镜像等相关环境配置、论文算法核心框架概述、整体案例流程解读、常见剪枝方法介绍、网络流程解读、优化器模块配置等

                    ---考核---（可选择，联系教务老师）

「第7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8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7阶段】：计算机视觉阶段

【监督方式】：弱监督

「第1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2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3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4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5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6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7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8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9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10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11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12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13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14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15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16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17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18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）

 

 

【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！