朴嗣明,测试情况:
零基础应对视觉解决问题。
课程全部为弱监督方式。
1.考核:有一些编程基础,python从基础开始,注重过程监控。
2.个人情况:目前在日本公司就业,工作中涉及计算机视觉方向,学习满足工作需求。
3.目前情况:课程定义为应对机器学习计算机视觉应用,方向是cv算法。
4.目标:cv无基础提升,应对实际解决问题能力提高。
5.教学方向:无基础算法cv方向,从python开始。
课程安排:
第零阶段:数学课程
包括:线性代数,概率论,高等数学,统计学
第一阶段:python基础
包括:python语法,面向对象部分
第二阶段:python数据结构基础
包括:链表,线性表,树,图,排序,查找
第三阶段:数据科学库基础
包括:numpy,pandas,matplotlib,seaborn
第四阶段:机器学习数学基础加强。
包括:高数,概率,线代加强
第五阶段: 机器学习基础
这部分参考书籍:统计学习方法,李航
包括:机器学习算法理论基础
第六阶段:机器学习进阶
包括:分类算法,聚类算法,回归算法,HMM
第七阶段:sklearn机器学习实战
包括:特征工程,建模代码实战
第八阶段:深度学习基础
参考书目:深度学习花书
包括:深度学习BPNN,CNN,RNN,LSTM,Alexnet,ssd,yolo
第九阶段:tensorflow实践。
包括:深度学习算法实践
第十阶段:pytorch基础与实践
包括:pytorch基础知识(见xmind)
第十一阶段: cv基础知识储备
包括:opencv,gan,gru,gan变体
第十二阶段: cv项目基础1个月
包括:图像识别,目标检测,图像分割等
第十二阶段:kaggle的cv项目实战
包括:选择好的一部分kaggle案例
第十三阶段:指导学员下一步学习方向。
教学目标:算法基础cv提高。
时间安排:
每周一到周五时间学员自己安排。
每周六可能安排考核。
每天提交xmind复习笔记,同时每周日,整理知识点,整理笔记到博客,可以选择博客园博客。将重点知识点录屏自己讲出来(学习方式中吸收最好的方式是给别人讲出来),并提交作业。
相关规定:每天必须按计划完成任务,否则将停发学习任务,临时有事需请假。考核不通过需要缴费补考。