AI&Bio学习计划

一、前言

为了尽快入门机器学习与深度学习，掌握核心理念和模型架构，尽快投入项目进行实战，拟开展以下的课程学习计划，无特殊情况从5月23日开始实施。请同学们重视本次的集中学习，便于后续开展科研工作。
没用过Python的同学，可从网上搜索相关文字或视频资源自行学习，掌握基础即可（Python教程-廖雪峰的官方网站，供参考）。

二、深度学习基础快速入门（5月23日~6月29日）

1. 目的：初步了解基础知识，掌握整体框架。
2. 学习材料：动手学深度学习-文字版；
   视频讲解：跟李沐学AI_哔哩哔哩_bilibili
   整理笔记：动手学深度学习-课程笔记
3. 学习方式：网课+课后代码练习+定期汇报和讨论。
   网课总时长约34小时，按照主题和时长分为23节课（课程安排见第四部分）。
4. 考核方式：代码复现及讲解。包括模型架构（可以做成PPT、图片或word文档，格式不限，但力求便于讲解）、模型代码的讲解（非逐行讲解，对应于模型架构，把关键的运行流程和核心组件讲解清楚即可）。
5. 组织方式：汇报+讨论的方式。每人20~30分钟，最后讨论30分钟。

三、生物信息学基础快速入门（时间自己安排即可）

1. 目的：了解重点生物学及生物信息学知识。
2. 学习方式：
   视频网课：山东大学生物信息学(高清原版课程带全套课件)_哔哩哔哩_bilibili
3. 需要学习的章节：
   3.1 常见数据库的使用方法 (2.2-2.10)；
   3.2 熟悉序列比对blast (3.1-3.10)；
   3.3 系统发生树的构建 (4.1-4.5)；
   3.4 蛋白质的多级结构 (5.1-5.3 , 5.6-5.10)；【重点学习部分，与后续研究课题高度相关】
   3.5 Linux系统及常用命令(9.1-9.2)；【重点学习部分，编程基础】
4. 组织方式：根据个人情况自行安排时间学习。

四、课程安排

课程序号	课程主题	日期
2~3	1. 环境安装、预备知识	5月23日
4~7	2. 数学基础	5月24日
8	3. 线性回归	5月25日
9	4. 损失函数	5月26日
10	5. 多层感知机	5月27日
11~13	6. 模型选择	5月30日
14	7. 激活函数	5月31日
15, 18	8. 实战 I	6月01日
考核汇报	Kaggle房价预测模型复现及讲解	6月03日
16~17	9. PyTorch基础	6月06日
19~22	10. 卷积基础	6月07日
23~24	11. 经典CNN	6月08日
25~27	12. 高阶CNN	6月09日
28~29.2	13. ResNet	6月10日
30, 38	14. 实战II	6月11日
考核汇报	CNN模型复现及讲解	6月13日
36~37	15. 数据增广及微调	6月14日
51~53	16. 序列、文本、语言	6月15日
54~55	17. RNN基础	6月16日
56~60	18. 高阶RNN	6月17日
考核汇报	RNN模型复现及讲解	6月20日
61~63	19. 注意力前置课程	6月21日
64~67	20. 自注意力机制	6月22日
68	21. Transformer	6月23日
考核汇报	Transformer模型复现及讲解	6月27日
69~70	22. BERT	6月28日
72~73	23. 优化算法及总结	6月29日
总时长	34小时