智能系统实验室-2018新人暑期培训计划

1. 课程目标

随着团队扩大和节奏加快，目前依靠大家自学的方式学习速度已经远远满足不了需求，根据之前的共识和这段时间的思考，我们整理了本方案，计划在明年研究生入学前开展学前强化学习班，旨在快速引导新生入门相关领域，同时也给其后续学习提供系统性的资料。 而在这之前，我们需要号召高年级学生系统性地整理相关资料，通过协作方式完善后试讲，确认OK后整理到一个统一的文件体系中。

协作gitlab：http://192.168.1.3/PI_LAB/SummerCamp2018

课程针对学员，有针对性地提升以下能力：

• 基础能力：所有人了解基础的编程知识，注意事项，了解常用工具的使用方法;
• SLAM ：学习SLAM的基础知识，并带领学员一步一步自己实现一个简单的ORBSLAM;
• AI ：学习AI相关的基本知识，并通过一些实例让大家自己实现常见的功能;

2. 课程列表

所有的课程被归类成以下几个Topic：

• tool ： 包含常用的环境，工具
• cpp ： 包含C++程序入门的一些课程
• python : 包括python基本使用教程
• slam ： SLAM入门课程
• ai ： AI入门课程

每个Topic都被分成约3个学时Lessons，每个Lesson可以是Lecture，Tutorial或Lab：

• Lecture ： 演讲课，主讲者进行演讲而学员以听为主，课程应尽量生动易懂，同时建议学员根据自身情况预习并在Lecture课程中做好记录;
• Tutorial： 讨论课，课程建议包含约一小时的内容讲述和两小时的学员实践练习讨论，建议学员根据自身情况预习;
• Lab : 实验课，包含少量内容介绍，主体为操作学习的课程;

Lesson中途可以适当休息，或者安排其他活动。以下是全部Lessons的列表和简要说明：

课程文件夹	课程描述	课程类型	主讲人
tool/linux	Linux入门，常用工具介绍，Bash命令ShellToolkit，cd,ls,echo,apt,ssh,dpkg,locate等，Bash编程实践	Tutorial
tool/git	git工具介绍和协作开发实践	Lab	张咪
tool/markdown	markdown语言介绍和使用实验课程	Lab	马文科
tool/notebook	ipython notebook介绍和使用实验课程	Lab	冷鹏宇
tool/cmake	介绍编译原理，引入CMake，并练习使用cmake进行编译，介绍PICMake，练习使用PICMake进行编译，Linux下编写简单包含三方库本地库的工程，并分别用Makefile，qmake，CMake编译	Lab	王伟
tool/latex	latex语言介绍和学习实践	Lab	张咪
tool/docmanage	mendeley等文档管理软件	Lab	张咪
tool/docker	docker入门介绍	Lab	赵勇
cpp/helloc	C语言入门回顾，这里主要介绍与C语言重叠的部分，包含宏定义，变量，函数，循环体，指针，函数指针，数组，结构体，联合体等部分，编写简单函数库，并使用Makefile进行编译	Tutorial	杨君
cpp/hellocpp	C++语言入门回顾，介绍引用，重载，类成员函数，继承多态，编写简单函数库，并使用Makefile进行编译，引入qmake，Debug	Tutorial	贺宇
cpp/stl	STL介绍，引入模板类，介绍vector,list,map,set等，练习编写自己的list实现	Tutorial	程诚
cpp/cpp11	C++11标准介绍，引入多线程，智能指针，原子锁，信号量等概念，练习多线程中使用智能指针，原子锁，信号量等	Tutorial
cpp/style	介绍GoogleCppStyle，强调编程风格，练习自己实现一个智能指针模板类，大家讨论各自的代码中存在什么问题	Tutorial	马文科
cpp/qt	介绍基本的Qt界面编程，并带着学员实现一个简单的界面程序	Tutorial	王伟
cpp/ros	介绍ROS机器人操作系统，并带着学员实现一个简单的ROS通信程序，课程要求学员预习并提前安装ROS库	Tutorial	马文科
cpp/opengl	课程介绍基本的OpenGL操作，并实践显示简单的模型元素	Tutorial
cpp/effectivecpp	介绍EffectiveC++中的部分内容，并带着学员反思之前程序中存在的问题	Tutorial
python/hellopython	编程语言特性，程序结构，基础技术框架，编程风格，对象特性，核心数据类型，字符串，列表，元祖，字典，表达式与运算符	Tutorial	李清
python/more	if,while,for,迭代器，生成器，文件对象，os模块，os模块常用接口，函数，类,继承，重载	Tutorial	李清
python/module	模块基础，模块机制，异常处理，常用科学计算模块	Tutorial	王磊
slam/summary	初识SLAM，什么是SLAM，SLAM研究包含什么内容，如何开展SLAM研究，SLAM的未来	Lecture	张咪
slam/cv	图像处理相关,opencv入门介绍	Tutorial	王伟
slam/geo2d3d	二维，三维中的点，线，面和线性变换,思考题讨论	Tutorial
slam/opt_linear	线性优化入门及实例，利用SVD分解和Eigen库求解最小二乘问题实验，并引入Ransac提升拟合效果	Tutorial	程诚
slam/match	图像匹配，光流，特征点匹配，并求解二维对应warp	Tutorial	程诚
slam/camera	介绍各种传感器，相机模型，畸变模型和标定工具	Tutorial	杨君
slam/liegroup	三维中的李群和李代数，此章理论有深度，建议预习	Lecture	范帝凯
slam/opt_nolinear	非线性优化入门及实例，Ceres实例求解标定参数	Tutorial
slam/orbslam	ORBSLAM代码结构解析	Lecture
slam/gorbslam	ORBSLAM的GSLAM实现，将在后续的课程中带着大家逐步完善它	Tutorial
slam/initialize	两帧重建介绍及实验,完成GSLAM-ORBSLAM中的初始化并显示	Tutorial
slam/pnp	PnP方法介绍和代码实现	Tutorial	程诚
slam/triangulate	地图生成和三角化	Tutorial
slam/dataassociation	地图数据关联	Tutorial
slam/ba	BundleAdjust方法介绍和代码实现	Tutorial	程诚
slam/loopdetect	回环检测介绍和代码实现	Tutorial
slam/icp	ICP方法和代码实现	Tutorial	王伟
slam/posegraph	位姿图优化	Tutorial
slam/direct	直接法	Lecture
slam/vio	VIO	Lecture	范帝凯
slam/vins	VINS代码解析	Lecture
slam/mapfusion	讲解MapFusion框架，并实践编写一个最简单的Map2DFusion插件	Tutorial	王伟
slam/dense	讲解稠密重建的方法，并时间编写一个最简单的稠密重建程序	Tutorial	杨君
slam/mesher	讲解如何构建三角网格模型并进行纹理贴图	Tutorial	张咪
ai/summary	初识人工智能，什么是人工智能，如何开展人工智能研究，人工智能的未来	Tutorial	童品模
ai/mlbasic	机器学习基础，机器学习涉及的基本点	Tutorial	王磊
ai/probability	机器学习中涉及的统计概率以及信息论相关知识点	Tutorial	韩鹏程
ai/nn	神经网络基本介绍	Tutorial	童品模
ai/bp	神经网络反向传播算法,简要包括随机梯度下降法等优化方法	Tutorial	李清
ai/tricks	关于神经网络的一些技巧包括激活函数、dropput、正则化、loss函数定义选择	Tutorial	冷鹏宇
ai/optimizer	深度模型中的优化介绍	Tutorial	冷鹏宇
ai/caffe	使用教程，简单源码分析，部分API接口讲解，python接口说明	Tutorial	韩鹏程
ai/tensorflow	使用教程，简单源码分析，部分API接口讲解	Tutorial	王磊
ai/cnn	CNN介绍和实验	Tutorial	冷鹏宇
ai/lstmRNN	lstm以及rnn序列神经网络介绍	Tutorial	王磊
ai/svmPCA	SVM介绍和实验，线性因子模型介绍	Tutorial	李清
ai/dlcore	自编码器，表示学习，结构化概率模型，蒙特卡罗方法，配分函数，近似推断	Tutorial	韩鹏程
ai/rbmDBN	无监督深度学习技术DBN原理介绍，生成模型介绍	Tutorial	王磊
ai/GANs	GANs基本原理和应用介绍	Tutorial	韩鹏程
ai/ReforceLearning	强化学习基本原理介绍	Tutorial	李清
ai/yoloFastRCNN	yolo原理与实验,FastRcnn经典框架及技术要点介绍	Tutorial	冷鹏宇
ai/largeScaleLearning	大规模深度学习涉及的技术点，GPU,分布式，模型压缩,动态结构，FPGA硬件	Tutorial	韩鹏程

3. 学习课表（2018-07-08月）

学习课表是根据情况从课程列表选择一部分课程进行讲述，对于未开课课程请学员根据自身情况自学。以下课程中的基础类为必修，对于SLAM方向学员来说AI为选修，对于AI方向学员来说SLAM为选修。

日期	上午(09：00 - 12：00)	下午( 14：30 - 17：30)	晚上(19：00 - 22：00)
1	tool/linux	tool/git
2	tool/markdown	cpp/helloc	tool/notebook
3	slam/summary	cpp/hellocpp	tool/cmake
4	ai/summary	cpp/stl	python/hellopython
5	slam/geo2d3d	cpp/cpp11	python/more
6	ai/mlbasic	cpp/style	python/module
7	slam/opt_linear	ai/probability
8	slam/match	ai/nn
9	slam/camera	ai/bp
10	slam/liegroup	ai/tricks
11	slam/opt_nolinear	ai/optimizer
12	slam/orbslam	ai/caffe
13	slam/gorbslam	ai/tensorflow
14	slam/initialize	ai/cnn
15	slam/pnp	ai/lstmRNN
16	slam/triangulate	ai/svmPCA
17	slam/ba	ai/dlcore
18	slam/loopdetect	ai/rbmDBN
19	slam/icp	ai/GANs
20	slam/posegraph	ai/ReforceLearning
21	slam/direct	ai/yoloFastRCNN
22	slam/vio	ai/largeScaleLearning
23	slam/vins	cpp/effectivecpp
24	tool/latex	tool/docmanage

4. 课程准备说明

每个课程都包含:

• doc
• README.md (包含课程介绍,[说明],[大作业])

注意事项：

• 请控制每个Lesson上课时间不多于3小时

5. TODO

5.1. 文档整理方式&规则

• 如何更容易上手?

5.2. 上课模式?

按课表进行上课or(每天固定时间答疑)or每周固定时间答疑

5.3. README模板

# 课程名称
## 1. 本课程介绍
README是用来给读者准备的课程说明

## 2. 如何学本课程?
可以参考示例/cpp/stl课程的写法.
每个README都应包含且仅包含四个标题.

## 3. 课程目录

## 4. 课程作业
无