百度云盘地址
课程大纲
第一阶段
1、背景介绍
了解项目所对应的业务场景和工业4.0背景下的智能制造业务需求问题
主要包含业务场景介绍、初步确定指标以及技术方案选型等
作业
·了解赛题
理解什么是智能制造
·了解项目应用的业务场景
2、数据介绍
学习如何观察数据以及了解数据数据背景介绍。
第一眼就要看到数据的方向，这个数据是干什么的？
如何做？分类还是回归？
作业
观察数据，尝试做一下数据可视化数据的标签类型以及数据所代表的意义
数据的标签是离散还是连续都代表着什么意义？
第二阶段
1、数据预处理
数据EDA探索（数据可视化探索）发现数据里包含的内容
数据的特征工程（特征处理、特征选择特征重做）
作业
尝试从不同的EDA方面去做数据探索观察数据的特性
·尝试用不同的方式处理数据包括归一化和标准化等2、算法选择
针对于特定得场景的数据做出一些效果来，然后不断提升。并从各个角度去对比几种算法的优缺点，最终选择一个或者多个模型的堆叠或者融合。
1、算法选型（sumaensemablealightgbm.
catboost），先从简单的模型开始讲起，再回过头去处理和重新选择算法，最终选取catboost和lightgbm作比较
2、算法调参（sklearn grid search-cv）
3、算法比较（时间，精度比较）
4、准确率比较、损失、计算速度比较作业
·利用神经网络来试试效果、以及采用堆叠或者融合的方式来进行建模
第三阶段
后期展望
模型的部署以及模型的嵌入到端
第一阶段
熟悉任务背景
（1）背景简介–分割任务、行业应用、例子、模型、评估
（2）数据集可视化，图像运算
（3）训练数据集准备，sklearn，train-test-plit
（4）模型训练的模版代码，可视化模型分割效果作业
·下载课程数据集
·练习图像可视化、一些简单图像运算
·下载模版代码，并跑通训练
第二阶段
学会调试UNET模型的训练过程
（1）模版代码概述
（2）如何调参数–基础篇
（3）选择损失函数（4）选择优化算法
（5）选择学习率方案
（6）如何调参数–综合篇
作业
调整超参数，观察训练oss变化
·替换loss函数，观察loss
·替换学习率方方案及相应超参数，观察loss第三阶段
学会实战中的训练技巧和训练方案
（1）替换网络结构（如encoder）
（2）修改网络结构（如层数）
（3）设置多层学习率（如降低encoder lr）
（4）梯度累积法
（5）"snapshot"快照融合方方法作业
·替换encoder
·设置不不同学习率，观察loss第四阶段
了解业界深度学习场景的一些难点与常见手段
（1）数据标注工具简介（2）图像增广方法介绍
（3）更多实战技巧–bad case分析
（4）更多实战技巧–多模型
（5）更多实战技巧–损失函数设计
作业
标注工具使用
·尝试多种图像增广方法
补充拓展
经验分享
（1）算法工作分享面试准备
（2）算法工作分享工作日常
（3）算法工作分享职业前景
