【3856】【高天赐】

【个人情况】：针对研究生复试，熟悉Python基本语法，熟悉数据结构里的算法，只做过C语言机试题，毕业论文：用SPSS和R语言，做了一个线性回归模型的时间序列分析。

在两周内做一个简单的CV项目，熟悉机器学习项目的基本流程；能够应对一些研究生复试中机器学习&深度学习的常见问题（基本问题）

学生面试的实验室为人工智能方向的实验室，但是具体细分领域没确定，复试大概在两周后，比较重要，目前学生希望以补充理论知识为主，后续有时间的话，加入项目。

学习顺序：机器学习与深度学习模型基础原理与理解+计算机视觉常见任务+自然语言处理常见任务+项目

【备注】：一个月

【学习方向】：数据挖掘

【是否需要就业】：否

【目标就业地点】：一线城市

 

===============章节分割线===============

【第1阶段】：机器学习与深度学习原理基础阶段

【监督方式】：弱监督

「第1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2章」：深度学习基础篇

课程名称：【20379】【深度学习-【2020版】【深版】

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）

 

 

===============章节分割线===============

【第2阶段】：计算机视觉基础阶段

【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）

「第2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）

 

===============章节分割线===============

【第3阶段】：自然语言处理基础阶段

【监督方式】：弱监督

「第1章」：NLP理论基础篇

课程名称：【3425】【NLP自然语言处理基础课程「解锁式学习」】

课程内容：LDA、语言模型结合朴素贝叶斯、基于统计的翻译系统、隐马尔可夫模型、词向量等知识的讲解。

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

「第2章」：NLP理论提升篇

课程名称：【30325】【1、自然语言处理-NLP核心能力提升「自由式学习」】

课程内容：该课程主要是讲解语言模型与语法树、爬虫、搜索引擎与自动路径决策、动态规划与编辑距离、自然语言初步理解、经典的机器学习算法、深度学习、非监督、半监督、主动学习、word2vec、CNN卷积神经网络、RNN循环神经网络、Transformer与BERT大规模预训练问题、面向服务的智能客服机器人与新闻自动生成摘要的案例等知识体系

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

 

 

===============章节分割线===============

【第4阶段】：计算机视觉项目阶段

【监督方式】：弱监督

「第1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2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3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）

 

 

===============章节分割线===============

【第5阶段】：python基础补充阶段

【监督方式】：自由

「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）

 

 

 

【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！