深度之眼（二十五）——研究生学习计划安排

一、前言

课题组这边是需要对机器视觉有所要求吧，也就是CV方向。这一届研三师兄也都是在大厂拿到30W+的年薪了，也是需要拥抱深度学习这一个领域了。也是依旧选择了深度之眼作为自己的启蒙了。

二、结构安排和规划

首先就是课程目录，具体展示如下图：

之后还有一个是研究生的入学课程安排：夯实基础，分方向训练与项目和比赛练习。

也就是说，自己应该是对照着研究生课程入门安排，安排课程目录的先后学习顺序

2.1 夯实基础

也就是对python、线性代数、微积分、概率论和最优化进行回顾
还有就是对于机器学习基础

对于深度学习基础

由于之前我是学习差不多的深度之眼的教程，因此对于知识重新拿起只需要回顾笔记就行（python的库、概率论、微积分、线性代数），但是需要学习的是最优化问题。
所以近期安排就是：回顾笔记+安装python环境+安装pytorch环境+学习最优化
之后就是对于机器学习和深度学习的基础学习记录

2.2 分方向训练（待）

这里是罗列了：CV方向、NLP方向、推荐系统方向、时序预测方向
流程是：认识、学习、读论文（baseline paper）、项目与比赛

首先什么是baseline、这个名词和benchmark相对应
benchmark就是已经成熟性能的模型，而baseline就是性能不咋地但是有一定的发展潜力的模型，如果你的baseline超过了benchmark，就可以发表了
参考文章
1.在计算机视觉论文中benchmark和baseline的区别
2. 论文中baseline是什么意思？

CV方向：主要关注计算机视觉。这个领域的研究包括图像处理、机器视觉、物体识别、人脸识别等。在这个方向，通常需要掌握深度学习、卷积神经网络（CNN）等相关技术。
NLP方向：主要关注自然语言处理。这个领域的研究包括语音识别、机器翻译、文本生成等。在这个方向，通常需要掌握语言模型、深度学习、循环神经网络（RNN）等相关技术，以及一些处理文本数据的方法和工具。
推荐系统方向：主要关注如何根据用户的历史行为和数据，来预测用户的需求并给出个性化的推荐。在这个方向，通常需要掌握机器学习、协同过滤、深度学习等相关技术，以及一些推荐系统的设计和优化方法。
时序预测方向：主要关注时间序列的数据分析和预测。例如股票价格、温度变化、物流信息等，都可以用时间序列的方式来描述。在这个方向，通常需要掌握时间序列分析、深度学习、强化学习等相关技术，以及一些优化算法和模型选择的方法。

上面是我生成的回答，对于机器视觉是主要方向，其他的情况有精力再学习

2.3 进阶训练

就是系统学习《花书》、《西瓜书》、《统计学习方法》

三、其他

需要把python、pytorch学习明白，论文相关，弄懂大模型，把基础打牢固了，再根据b站学习写论文。