「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）

「第2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3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）

+++++++以上一周左右+++++++ 

「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）

+++++++++以上4-5天+++++++

「第7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）

++++++++10天左右++++++++

「第8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）

+++++补充项目，可结合人脸识别的项目经验做补充++++++