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。