预习阶段 Python基础和数据分析

在线视频：Python基础语法语法精讲

• 1-Anaconda安装及使用
• 2-循环判断语句
• 3-函数
• 4-面向对象
• 5-文件以文件夹操作

在线视频：Python核心语法进阶

• 1-高阶函数的使用
• 2-迭代器、生成器、装饰器详解

在线视频：数据分析numpy和pandas精髓速讲

• 1-numpy基本操作
• 2-pandas基本操作
• 2-项目实战：美国大选

在线视频：matplotlib数据可视化

• 1-matplotlib基本操作
• 2-常用2D图形使用
• 3-项目实战：电商商品数据探索性分析

在线直播：开班宣讲

在线实训：入学测试

第一部分 机器学习原理

在线视频：1-机器学习简介、广义线性模型（线性回归、逻辑斯蒂回归）精髓速讲

在线视频：2-决策树、Boosting模型融合的精髓速讲

在线视频：3-朴素贝叶斯、SVM模型精髓速讲

在线视频：4-XGBoost精讲

• 1-提升方法Boosting（加法模型和前向分布算法）
• 2-提升决策树与梯度提升决策树（BDT与GBDT）
• 3-XGBoost原理（目标函数、二阶泰勒展开、叶节点最优分数）
• 4-XGBoost应用及三类参数详解，和代码实现

在线视频：5-陈博士带你从头到尾通透word2vec

• 1-CBOW与Skip-gram模型
• 2-基于层序softmax的模型训练过程
• 3-基于负采样的模型训练过程
• 4-负采样的采样方法

在线视频：6-序列到序列任务中的编码器-解码器架构

• 1-Seq2Seq任务中的编码器-解码器架构
• 2-RNN Encoder-Decoder网络架构
• 3-Seq2seq with Attention网络架构

在线直播：7-机器学习原理答疑

在线视频：8-机器学习基本流程，基础模型与sklearn使用

• 1-基本流程（数据清洗、数据建模、模型训练与验证）
• 2-基本模型（线性模型、树模型、神经网络、无监督模型）
• 3-sklearn介绍与使用（基础介绍、语法）
• 4-sklearn使用案例讲解

在线实训：9-基于sklearn和pandas机器学习基础案例实践

在线视频：10-数据分析与特征工程串讲

• 1-数据分析方法（Matplotlib与Searborn高阶使用）
• 2-特征工程方法（类别字段编码、数值类型编码）
• 3-sklearn实践（预处理、特征工程）
• 4-结构化数据建模案例讲解

在线视频：11-特征工程处理与实践

• 1-数字图像基础（图像读取、特征提取）
• 2-文本处理基础（文本分词、TFIDF）
• 3-手写数字识别案例讲解
• 4-文本分类案例讲解

第二部分 机器学习实战

在线视频：1-图像与文本基础

• 1-数字图像基础（图像读取、特征提取）
• 2-文本处理基础（文本分词、TFIDF）
• 3-手写数字识别案例讲解
• 4-文本分类案例讲解

在线实训：2-图像分类与电商用户购买预测

在线视频：3-基于SQL的机器学习流程和实践

• 1-Spark与pyspark介绍
• 2-pyspark基础使用（数据读取、聚合与基础计算）
• 3-pyspark进阶使用（定义函数、数据统计）
• 4-pyspark实战案例

在线实训：4-机器学习中SQL常见用法和文本分类

在线直播：5-机器学习实践案例高阶

• 1-模型调参方法（网格、随机和贝叶斯优化）
• 2-模型训练流程与细节
• 3-特征筛选方法
• 4-高阶实践案例讲解（多个Kaggle竞赛案例）

在线实训：6-机器学习进阶案例实践

在线直播：7-机器学习模型部署与案例

• 1-LightGBM/XGBoost模型使用和参数讲解
• 2-模型部署基础（库打包、HTTP协议、调用方法）
• 3-模型部署与调用案例（实时请求、批量请求）
• 4-docker介绍，以及docker部署模型细节
• 5-机器学习模型部署案例

在线实训：8-模型部署案例——阿里云安全恶意程序检测

在线视频：9-Home Credit用户信贷违约预测

• 1-项目介绍、背景和评价指标
• 2-特征编码和特征工程
• 3-基于LightGBM建模过程
• 4-基于MLP的建模过程

在线视频：10-机器学习项目实战：时序心跳信号分类

• 1-时间序列数据与数据分解
• 2-时序特征工程
• 3-时序数据扩增方法
• 4-1D CNN和LSTM分类模型

第三部分 深度学习原理与实践：从CNN/RNN/LSTM到Transformer

在线视频：1-神经网络初步：全连接与反向传播

在线视频：2-深度神经网络、Wide & Deep模型架构理解

在线视频：3-卷积神经网络、实战图像分类

在线视频：4-循环神经网络、文本情感分类和图文生成模型

在线视频：5-深度学习在工业项目中的应用(调参、优化、模型压缩)

在线视频：6-深度学习在物体检测中的应用：Two-Stage和One-Stage框架

在线直播：7-常见深度学习框架的应用

• 1-常见的深度学习框架（TensorFlow、Keras和Pytorch）
• 2-深度学习层与使用
• 3-深度学习模型搭建
• 4-数据扩增与模型优化

在线视频：8-通透理解Transformer：从自注意力机制到多头注意力机制

• 1-如何一步一步的理解自注意力机制
• 2-如何直观且快速理解多头注意力

在线直播：9-从GPT/GPT2/GPT3：微调到prompt学习的过渡

• 1-GPT：基于Transformer Decoder预训练 + 微调/Finetune
• 2-GPT2承1启3：基于prompt尝试舍弃微调 直接Zero-shot Learning
• 3-GPT3：In-context learning正式开启prompt新范式(小样本学习)

在线直播：10-深度学习模型实践技巧：工业界是如何通过蒸馏收敛到一个更优的部署模型

第四部分 CV NLP 推荐三大方向的核心技能及完整项目实战

CV核心技能：OpenCV、物体检测、扩散模型DPPM

在线视频：1-计算机视觉基础

• 1-计算机视觉简介
• 2-图像的组成原理
• 3-OpenCV玩转图像
• 4-OpenCV视频处理

在线视频：2-深度学习图像处理基础

• 1-三步搞定深度学习
• 2-传统图像处理中的图像特征
• 3-计算机视觉中的视觉特征
• 4-什么是神经网络
• 5-熟悉Pytorch：快速搭建神经网络

在线视频：3-图像搜索技术：从Autoencoder到ConvNets

• 1-基于无监督深度学习的图像搜索技术-Autoencoder
• 2-基于有监督深度学习的图像搜索技术-ConvNets
• 3-应用ConvNets作图像搜索任务的实践经验
• 4-理解深度排序技术

在线视频： 4-Two-Stage物体检测

• 1-深入理解物体检测的评价指标
• 2-NMS及其近年来变种（Soft-NMS、Softer NMS、Adaptive NMS等）
• 3-深入理解Anchor机制
• 4-RCNN家族模型详解（从RCNN到Cascade RCNN）
• 5-再谈使用Autoencoder和ConvNets构建图像搜索系统

在线视频：5-One-Stage物体检测

• 1-SSD、YOLO系列模型剖析
• 2-Focal Loss背后的原理
• 3-物体检测的参数解析
• 4-再谈Anchor：实际业务场景中Anchor需要调整吗？
• 5-再谈用Keras/PyTorch 搭建Image Caption模型

在线视频：6-扩散模型DPPM：先前向加噪后反向去噪从而建立噪声估计模型

• 1-极简发展史：从扩散模型、DDPM、improved DDPM到DALL·E/DALL·E2
• 2-DDPM的两个过程：从前向过程到逆向过程
• 3-DDPM如何训练：通过噪声估计模型预测真实噪声——最小化估计噪声与真实噪声之间的差距
• 4-如何通过训练好的DDPM生成图片

在线视频：7-stable diffusion的云端部署

• 1-阿里云环境及资源准备过程
• 2-环境配置及模型下载
• 3-Web-UI部署启动及效果展示
• 4-基于LoRA微调Stable Diffussion实战

CV完整项目实战：自动驾驶车道线检测

项目一：自动驾驶车道检测

在线直播：CV1-自动驾驶车道线检测-项目介绍和环境搭建

• 1-车道线检测背景
• 2-车道线检测常见数据集
• 3-车道线评价指标

在线直播：CV2-自动驾驶车道线检测-基础模型构建

• 1-基于直线检测的思路
• 2-基于语义分割的模型构建
• 3-Pytorch编写

在线直播：CV3-自动驾驶车道线检测-模型迭代与优化

• 1-SCNN模型和SAD模型构建
• 2-模型迭代优化

在线直播： CV4-自动驾驶车道线检测-模型部署与加速

• 1-模型蒸馏与部署
• 2-模型量化与打包

NLP核心技能：数据处理、词嵌入、文本匹配、ChatGPT原理

在线视频：1-NLP中的文本处理相关技术

• 1-NLP背景与发展现状
• 2-中英文字符串处理
• 3-常见中英文分词方法
• 4-正则表达式使用方法
• 5-数据清洗、提取与统计

在线视频：2-NLP中的文本表示相关技术

• 1-One-hot与Bag of words表示
• 2-TF_IDF与TextRank关键词提取
• 3-glove生成词向量
• 4-fasttext生成词向量
• 5-word2vec生成词向量

在线视频：3-使用不同方法生成词向量

在线直播： 4-中文相似文本匹配

• 1-文本数据标注方法
• 2-文本数据扩增方法
• 3-词向量与序列匹配
• 4-Bert NSP与BertCES对比学习

在线直播： 5-ChatGPT背后的原理解析

• 1-ChatGPT底层强大的语言模型：从transformer到GPT1/2/3
• 2-揭秘为何可以做推理和debug：从GPT3到GPT3.5的指令微调、思维链、代码训练
• 3-ChatGPT是如何训练而成的：InstructGPT训练三阶段的全面理解

NLP完整项目实战：智能问答机器人——从传统问答到大模型问答

项目二：智能问答机器人

在线直播：NLP-1-智能问答机器人项目介绍和环境搭建

• 1-环境搭建
• 2-智能客服的架构介绍与说明
• 3-使用word2vec生成句向量

在线直播：NLP-2-意图识别与文本匹配

• 1-文本分类模型
• 2-文本匹配模型

在线直播：NLP-3-智能问答机器人中的闲聊

• 1-seq2seq结构介绍
• 2-GPT2模型介绍
• 3-使用GPT2做闲聊

在线直播：NLP-4-智能问答机器人项目的部署、总结

• 1-项目优化
• 2-部署与上线
• 3-客服系统总结

在线视频：NLP-5-基于大模型ChatGLM-6B的智能聊天机器人

• 1-ChatGLM-6B的基座模型：GLM的整体原理
• 2-ChatGLM-6B的部署与微调：LoRA/P-Tuning微调
• 3-ChatGLM-6B的架构与实现：6B源码解读

在线视频：NLP-6-ChatGLM-6B的微调

• 微调ChatGLM-6B：基于PEFT框架的LoRA、P-Tuning v2

推荐系统核心技能：召回、排序、重排序

在线视频：1-推荐业务、feed流产品及推荐算法策略架构解析

• 1-推荐业务和推荐feed流产品详解
• 2-推荐策略架构分解
• 3-基于point wise 的stacking model

在线视频：2-召回算法和业界最佳实践

• 1-BAT里常用的CF算法以及变种
• 2-Hybrid CF 算法
• 3-Model Based CF（LFM矩阵分解、NMF、SVD)
• 4-基于改进版协同过滤算法实战

在线视频：3-用户特征和Item特征的常用方法

• 1-推荐系统中的核心特征
• 2-Embedding的数学本质和计算方法
• 3-用户画像和商品画像
• 4-手动和自动特征工程
• 5-特征工程实战及工业界特征评价体系

在线视频：4-排序算法&深度学习模型

• 1-BAT里基础建模流程构造（涉及样本、特征、模型、系统设计和实践）
• 2-深度召回模型最新进展（向量检索、深度学习等）
• 3-深度排序最新进展（WDL、DeepFM、DeepCross等）
• 4-用户序列建模（LSTM、GRU, word2vec等）

推荐系统完整项目实战：电商平台的商品推荐系统

项目三：电商平台的商品推荐系统

在线直播：推荐-1-商品推荐系统介绍和环境搭建

• 1-数据处理/机器学习/深度学习框架环境搭建
• 2-商品推荐系统介绍、真实数据集介绍
• 3-项目任务、评估指标理解

在线直播：推荐-2-商品推荐系统特征工程

• 1-商品推荐任务拆分、思路分析；数据集探索和理解
• 2-特征处理、特征构建、特征工程方法总结；训练、测试样本处理
• 3-基于启发式规则的预估方法实践

在线直播：推荐-3-商品推荐系统模型构建

• 1-Collaborative Filtering-based Recommendation
• 2-LR基础模型、GBDT Boosting 模型实战
• 3-DNN神经网络推荐算法(WDL/NFM等)介绍

在线直播：推荐-4-商品推荐系统迭代优化

• 1-DNN神经网络推荐算法(WDL/NFM等)模型实战
• 2-模型评估
• 3-推荐系统完整性梳理
• 4-扩展知识：推荐系统在线serving分模块的应用

第五部分 项目库补充项目实习与就业指导

项目四：大规模行人重识别（ReID）

在线视频：CV-1-行人重识别项目（ReID）背景与基线方法

• 1-搭建基线算法Pipeline
• 2-从交叉熵损失构建深度特征学习
• 3-模型训练初步技巧

在线视频：CV-2-行人重识别项目（ReID）跑通训练+评测流程

• 1-构建评价指标
• 2-定制Data Loader实现高级预处理
• 3-模型训练高级技巧

在线视频：CV-3-行人重识别项目（ReID）多任务训练框架

• 1-深度排序损失Triplet Loss的优雅实现
• 2-交叉熵损失与深度排序损失并行训练技巧
• 3-多任务训练框架的Inference实现

在线视频：CV-4-行人重识别项目（ReID）模型优化迭代及总结

• 1-标签平滑、随即擦出等训练技巧实现
• 2-在线困难样本挖掘技术
• 3-困难深度排序损失Triplet Hard Loss实现

项目五：电商商品检索系统

在线视频：电商商品搜索系统：搜索引擎与项目介绍

• 1-搜索引擎架构详解
• 2-搜索数据集和评价指标

在线视频：电商商品搜索系统：内容索引和ElasticSearch

• 1-内容倒排和索引
• 2-ElasticSearch介绍和使用

在线视频：电商商品搜索系统：Query文本理解

• 1-Query 分词、改写和实体识别
• 2-Query 联想技术和意图识别

在线视频：电商商品搜索系统：召回与排序

• 1-意图、实体和文本多路召回
• 2-TF-Ranking和Transformer 排序模型

项目六：@H&M多模态时尚商品推荐

在线视频：多模态时尚商品推荐-项目介绍和环境搭建

• 1-时尚推荐项目背景
• 2-推荐系统常见数据集
• 3-推荐系统评价指标

在线视频：多模态时尚商品推荐-基础模型构建

• 1-协同过滤与内容推荐
• 2-词向量与孪生网络搭建
• 3-Pytorch代码编写

在线视频：多模态时尚商品推荐-模型迭代与优化

• 1-召回模型与排序模型
• 2-多模态特征
• 3-模型迭代优化

在线视频：多模态时尚商品推荐-模型部署与加速

• 1-模型蒸馏与部署
• 2-向量特征与检索
• 3-模型量化与打包

在线实训：1-基于YOLOv3模型的目标检测与人体姿态估计

在线实训：2-新浪新闻文本分类

在线实训：3-基于DIEN的电商广告CTR预估

线下实战(北京/上海/深圳)

北京线下：针对北京企业的项目总结、简历优化、就业辅导与模拟面试

上海线下：针对上杭南京等地的项目总结、简历优化、就业辅导与模拟面试

深圳线下：针对深广企业的项目总结、简历优化、就业辅导与模拟面试

在线直播：全国机器学习/深度学习面试辅导