Timeline
字数
7230 字
阅读时间
30 分钟
2025-05-26开课
考核
| 项目 | 考核说明 | 实验具体分值 | |
| 总体计划 | 驭风计划 | 机器学习训练营25%+深度学习训练营20%+自然语言处理训练营35%+算法训练营20%； “驭风计划”获得优秀需要超过85分，且单门训练营得分不能低于80分； “驭风计划”获得合格需要超过60分，且单门训练营得分不能低于50分； | |
| 考核模块 | 机器学习训练营 | 视频学习5%+随堂练习20%+实验75%；其中共7个实验 | 12,7,7,7,7,15,20 |
| 深度学习训练营 | 视频学习5%+随堂练习20%+实验75%；其中共7个实验 | 8,9,9,9,16,12,12 | |
| 自然语言处理训练营 | 视频学习5%+随堂练习20%+实验75%；其中共6个实验 | 实验1、2、3每个10分，实验4、5、6每个15分； | |
| 算法训练营 | 平时成绩（含作业和周测）80%+期末测试20%；均为编程题 |
教学周历
| 周次 | 第一周 | 第二周 | 第三周 | 第四周 | 所处学习阶段 |
| 6月 | 5.26-6.1 | 6.2-6.8 | 6.9-6.15 | 6.16-6.22 | 机器学习部分 |
| 【课件发布】 1.机器学习基础&实验方法与原则 2.决策树学习 【直播安排】 1、开营仪式 【实训安排】 1、实训一发布： 基于决策树的英雄联盟游戏胜负预测 | 【课件发布】 1.回归分析 【直播安排】 1、直播答疑 【实训安排】 1、实训二发布： 基于回归分析的大学综合得分预测 | 【课件发布】 1.贝叶斯学习 【直播安排】 1、实训一导师点评 【实训安排】 1、实训三发布： 贝叶斯垃圾邮件识别 | 【课件发布】 1.基于实例的学习方法 【直播安排】 1.直播答疑 【实训安排】 1.实训四发布： 基于K-近邻的车牌号识别 | ||
| 7月 | 6.23-6.29 | 6.30-7.6 | 7.7-7.13 | 7.14-7.20 | |
| 【课件发布】 1.支持向量机&无监督学习方法 【直播安排】 1、直播答疑 2、实训二助教讲解 | 【课件发布】 1.集成学习 【直播安排】 1、直播答疑 2、实训三助教讲解 【实训安排】 1、实训五发布： AAAI会议论文聚类分析 | 【课件发布】 1.深度学习基础 2.基于群体智慧的机器学习数据集构建 3.机器学习算法总结 【实训安排】 实训六发布： 基于集成学习的Amazon用户评论质量预测 | 【直播安排】 1、直播答疑 【实训安排】 实训七-毕设发布： 【直播安排】 1、直播答疑 2、实训四助教讲解 | ||
| 8月 | 7.21-7.27 | 7.28-8.3 | 8.4-8.10 | 8.11-8.17 | |
| 【直播安排】 1、直播答疑 2、实训五助教讲解 | 【直播安排】 1、直播答疑 | 【直播安排】 1、直播答疑 2、实训六助教讲解 | 【直播安排】 1、实训七-毕设助教讲解 | ||
| 9月 | 8.18-8.24 | 8.25-8.31 | 9.1-9.7 | 9.8-9.14 | 深度学习部分 |
| 【开启深度学习教学】 【课件发布】 1.深度学习简介 2.数学与机器学习基础 3.回归与分类 【直播安排】 1、开营仪式 【实训安排】 1、实训一发布： Softmax实现手写数字识别 | 【课件发布】 1.多层感知机 【直播安排】 1、直播答疑 【实训安排】 1、实训二发布： 构建自己的多层感知机-MNIST手写数字识别 | 【课件发布】 1.卷积神经网络 2.深度学习模型的训练技巧II 【直播安排】 1、直播答疑 2、实训一讲解 【实训安排】 1、实训三发布： PyTorch实战- CIFAR图像分类 | 【课件发布】 1.深度学习在计算机视觉中的应用 【直播安排】 1、直播答疑 【实训安排】 1、实训四发布： 脑部MRI(核磁共振)图像分割 2、实训五发布： 滴滴出行-目标检测 | ||
| 10月 | 9.15-9.21 | 9.22-9.28 | 9.29-10.5(十一假期）10.6-10.12 | 10.13-10.19 | |
| 【课件发布】 1.反馈神经网络 【直播安排】 1、直播答疑 2、实训二助教讲解 | 【课件发布】 1.深度学习在自然语言处理中的应用 【直播安排】 1、直播答疑 2、实训三助教讲解 【实训安排】 1、实训六发布： 图像自然语言描述生成 | 【课件发布】 1.深度产生式模型 【直播安排】 1、直播答疑 2、实训四助教讲解 | 【直播安排】 1、直播答疑 【实训安排】 1、实训七毕设发布： 图像超分辨率重建 | ||
| 11月 | 10.20-10.26 | 10.27-11.2 | 11.3-11.9 | 11.10-11.16 | |
| 【直播安排】 1、直播答疑 2、实训五助教讲解 | 【直播安排】 1、直播答疑 2、实训六讲解 | 【直播安排】 1、直播答疑 | 【直播安排】 实训七讲解&结营仪式 | ||
| 12月 | 11.17-11.23 | 11.24-11.30 | 12.1-12.7 | 12.8-12.14 | NLP学习部分 |
| 【开启NLP教学】 【课件发布】 1.课程简介 2.NLP模型基础 【直播安排】 1、开营仪式 【实训安排】 1、实训一发布： word2vec以及TransE实现 | 【课件发布】 1.seq2seq与机器翻译 【直播安排】 1、直播答疑 【实训安排】 1、实训二发布： seq2seq模型-机器翻译 | 【课件发布】 1.预训练语言模型 【直播安排】 1、实验一导师点评 | 【课件发布】 1.知识图谱 【直播安排】 1、直播答疑 【实训安排】 1、实训三发布： 文本情感分析 | ||
| 1月 | 12.15-12.21 | 12.22-12.28 | 12.29-1.4 | 1.5-1.11 | |
| 【课件发布】 1.序列标注与信息抽取 【直播安排】 1、直播答疑 2、实训二讲解 | 【课件发布】 1.文本分类与关系抽取 【直播安排】 1、直播答疑 【实训安排】 1、实训四发布： 预训练语言模型BERT实现与应用 | 【课件发布】 1.文本匹配与信息检索 【直播安排】 1、实训三讲解 | 【课件发布】 1.文档分析与阅读理解 【直播安排】 1、助教答疑 【实训安排】 1、实训五发布： 智能问答在法律智能领域的应用 | ||
| 2月 | 1.12-1.18 | 1.19-1.25 | 1.26-2.1 | 2.2-2.8 | |
| 【课件发布】 1.文本生成 2.NLP前沿介绍 【直播安排】 1、助教答疑 2、实训四讲解 【实训安排】 1、实训六发布： 面向新冠肺炎的社会计算应用 | 【直播安排】 1、直播答疑 | 【直播安排】 1.直播答疑 2.实验五讲解 | 【直播安排】 实训六讲解&结营仪式 | ||
| 3月 | 2.9-2.15（春节假期）2.16-2.22（预热周）2.23-3.1 | 3.2-3.8 | 3.9-3.15 | 3.16-3.22 | 算法学习部分 |
| 【开启算法训练营】 【课件发布】 1.邓老师算法课1A 2.邓老师算法课1B 【实训安排】 开放OJ引导做题 | 【课件发布】 1.邓老师算法课2A 2.邓老师算法课2B 【实训安排】 开OJ做题 | 【课件发布】 1.邓老师算法课3A 2.邓老师算法课3B 【实训安排】 开OJ做题 | 【课件发布】 1.邓老师算法课4A 2.邓老师算法课4B 【实训安排】 开OJ做题 | ||
| 4月 | 3.23-3.29 | 3.30-4.5 | 4.6-4.12 | 4.13-4.19 | |
| 【课件发布】 1.邓老师算法课5A 2.邓老师算法课5B 【直播安排】 1、开营班会 【实训安排】 开放OJ引导做题 | 复习+做题 | 复习+周测+自我抢救（补交作业） | 成绩公示等 |
机器学习模块
| 机器学习课程安排 | ||||||
| 周 | 章 | 学习内容 | 所需时长 | 实训安排 | 直播安排（周末） | 主讲 |
| WEEK1 （5.26-6.1） | 机器学习基础&实验方法与原则 | 一些导学内容 —————————————— 1.1 机器学习的应用背景 1.2 什么是机器学习 1.3 学习与实践机器学习要注意的要点 1.4 使用什么经验 1.5 如何设计学习目标 1.6 如何表示要学习的概念 1.7 设计什么算法 1.8 机器学习的基本概念 —————————————— 2.1 训练集、验证集与测试集 2.2 k折交叉验证 2.3 随机重复实验 2.4 评价指标 2.5 统计有效性检验 | 5小时 | 开营仪式 （第一周的某一天） | 张敏/助教 | |
| 决策树学习 | 3.1 理解决策树 3.2 不确定性以及信息增益 3.3 决策树的过拟合以及措施 3.4 连续特征、缺失特征的处理 3.5 任务描述 3.6 特征处理 3.7 决策树算法构建 | 2小时30分钟 | 实训一发布： 基于决策树的英雄联盟游戏胜负预测 发布时间：5月26日 截止时间：6月13日晚8点 | 实训一布置+直播答疑 | 助教 | |
| WEEK2 （6.2-6.8） | 回归分析 | 4.1 什么是回归分析 4.2 线性回归 4.3 损失函数的定义 4.4 最小二乘法 4.5 梯度下降法 | 1小时10分钟 | 实训二发布： 基于回归分析的大学综合得分预测 发布时间：6月2日 截止时间：6月23日晚8点 | 实训二布置+直播答疑 | 助教 |
| WEEK3 （6.9-6.15） | 贝叶斯学习 | 5.1 贝叶斯学习基础：贝叶斯公式 5.2 极大后验假设 5.3 极大似然估计 5.4 极大似然估计与最小均方误差 5.5 朴素贝叶斯分类器 5.6 最小描述长度原则与朴素贝叶斯 5.7 垃圾邮件过滤问题 5.8 可能用于垃圾邮件过滤的特征 5.9 朴素贝叶斯分类器构建 | 2小时30分钟 | 实训三发布： 贝叶斯垃圾邮件识别 发布时间：6月9日 截止时间：7月2日晚8点 | 实训三布置+直播答疑 | 助教 |
| WEEK4 （6.16-6.22） | 基于实例的学习方法 | 6.1 基于实例的方法背景 6.2 最近邻方法 6.3 K近邻方法 6.4 距离计算 6.5 K近邻方法的属性处理 6.6 连续特征处理 6.7 如何选择k 6.8 消除死锁 6.9 K近邻方法的效率问题 6.10 K-D树 6.11 距离加权的K近邻算法 6.12 基于记忆的学习器 6.13 局部加权回归 6.14 懒惰学习与积极学习策略 6.15 推荐任务基本介绍 6.16 基于knn的推荐算法 6.17 item-Knn或user-knn推荐算法实践 | 2小时 | 实训四发布： 基于K-近邻的车牌号识别 发布时间：6月16日 截止时间：7月13日晚8点 | 实训一汇报讲解+直播答疑 | 张敏/助教 |
| WEEK5 （6.23-6.29） | 支持向量机 | 7.1 SVM问题背景 7.2 最大间隔方法 7.3 线性支持向量机 7.4 线性不可分情况下的线性支持向量机 7.5 基于核的支持向量机 7.6 如何构建核 | 4小时50分钟 | 实训二讲解+实训四布置 直播答疑 | 助教 | |
| WEEK6 （6.30-7.6） | 无监督学习方法 | 8.1 无监督学习方法介绍 8.2 聚类分析 8.3 层次聚类方法 8.4 k均值算法 8.5 如何确定k值 8.6 k中值算法 | 实训五发布： AAAI会议论文聚类分析 发布时间：6月30日 截止时间：7月23日晚8点 | 实训三讲解+实训五布置+直播答疑 | 助教 | |
| WEEK7 （7.7-7.13） | 集成学习 | 9.1 集成学习基础及基本概念 9.2 集成学习策略 9.3 加权多数算法 9.4 Bagging算法 9.5 自举法采样 9.6 Boosting算法 9.7 AdaBoost 9.8 AdaBoost.M1算法 9.9 Bagging和AdaBoost的算法比较 | 1小时20分钟 | 实训六发布： 基于集成学习的Amazon用户评论质量预测 发布时间：7月7日 截止时间：8月1日晚8点 | 实验六布置 直播答疑 | 助教 |
| WEEK8 （7.14-7.20） | 深度学习基础&基于群体智慧的机器学习数据集构建 &机器学习算法总结 | 10.1 深度学习背景 10.2 多层感知机MLP 10.3 卷积神经网络CNN 10.4 递归神经网络RNN 10.5 长短时记忆网络LSTM 10.6 门递归网络 GRU 10.7 深度学习应用介绍 11.1 带目的的游戏设计 11.2 Re-capture 11.3 ESP 11.4 Phetch 11.5 Peekaboom 11.6 Tag A Tune 11.7 三种游戏结构 —————————————— 12.1 基本概念 12.2 实验 12.3 算法 | 3小时20分钟 | 实训七发布： 毕业设计 发布时间：7月14日 截止日期：8月10日24点 | 实训四讲解+实训七布置 直播答疑 | 助教 |
| WEEK9 （7.21-7.27） | 实训五讲解+ 直播答疑 | 助教 | ||||
| WEEK10 （7.28-8.3） | - | 直播答疑 | ||||
| WEEK11 （8.4-8.10） | - | 实训六汇报、点评、讲解+直播答疑 | 张敏/助教 | |||
| WEEK12 （8.11-8.17） | 作业补交周 | 张敏/助教 | ||||
| 直播点评：毕业设计 | 结营仪式 |
深度学习模块
| 深度学习课程安排 | ||||||
| 周 | 章 | 学习内容 | 所需时长 | 实训安排 | 直播内容（周末） | 主讲 |
| WEEK1 （8.18-8.24） | 深度学习简介 | 1.1_深度学习的基本概念 1.2_深度学习的发展历程 1.3_深度学习的应用 1.4_深度学习的潜在风险 | 1小时20分钟 | 开营仪式 （第一周的某一天） | 老师+助教 | |
| 数学和机器学习基础 | 2.1_数学基础回顾 2.2_机器学习基础回顾 | 1小时40分钟 | ||||
| 回归和分类 | 3.1_logistic回归 3.2_softmax回归 | 1小时20分钟 | 实训一发布： Softmax实现手写数字识别 发布时间：8月18日 截止时间：9月1日晚8点 | 实验一布置 +直播答疑 | 杨润轩 | |
| WEEK2 （8.25-8.31） | 多层感知机 | 4.1_多层感知机_前言 4.2_前向计算 4.3_反向计算 4.4_层分解 4.5_深度学习模型的训练技巧I | 2小时 | 实训二发布： 构建自己的多层感知机: MNIST手写数字识别 发布时间：8月25日 截止时间：9月11日晚8点 | 实验二布置 +直播答疑 | 杨润轩 |
| WEEK3 （9.1-9.7） | 卷积神经网络 | 5.1_卷积神经网络简介 5.2_卷积层 5.3_池化层 5.4_典型的卷积神经网络 | 2小时10分钟 | 实训三发布： PyTorch实战: CIFAR图像分类 发布时间：9月1日 截止时间：9月25日晚8点 | 实验一汇报、讲解+实验三布置+直播答疑 | 杨润轩 |
| 深度学习模型的训练技巧II | 6.1_优化器 6.2_处理过拟合 6.3_批归一化 6.4_超参数选取 | 1小时30分钟 | ||||
| WEEK4 （9.8-9.14） | 深度学习在计算机视觉中的应用 | 7.1_图像分割 7.2_物体检测 7.3_图像分割 7.4_图像风格转换 | 1小时30分钟 | 实训四发布： 脑部MRI图像分割 发布时间：9月8日 截止时间：10月10日晚8点 ——————————— 实训五发布： 交通场景目标检测 发布时间：9月8日 截止时间：10月20日晚8点 | 实验二讲解 +直播答疑 | 杨润轩 |
| WEEK5 （9.15-9.21） | 反馈神经网络 | 8.1_动态系统 8.2_RNNs 8.3_门控RNNs 8.4_语音识别应用 | 1小时45分钟 | 实验四、五布置 +直播答疑 | 陈果 | |
| WEEK6 （9.22-9.28） | 深度学习在自然语言中的应用 | 9.1_NLP典型任务 9.2_词表示 9.3_神经网络进行文本分类 9.4_神经网络进行机器翻译 | 1小时30分钟 | 实训六发布： 图像自然语言描述生成 发布时间：9月22日 截止时间：10月31日晚8点 | 实验三讲解+直播答疑 | 杨润轩 |
| WEEK7 （9.29-10.5十一假期10.6-10.12） | 深度产生式模型 | 10.1_生成式模型 10.2_受限玻尔兹曼机 10.3_深度信念网络 | 1小时 | 实训七发布： 图像超分辨 发布时间：9月29日 截止日期：11月9日24点 | 实验六布置+实验四讲解+直播答疑 | 陈果 |
| WEEK8 （10.27-11.2） | 实验七布置+直播答疑 | 杨润轩 | ||||
| WEEK9 （10.20-10.26） | 实验五讲解+直播答疑 | 陈果 | ||||
| WEEK10 （10.27-11.2） | 直播答疑 | 陈果 | ||||
| WEEK11 （11.3-11.9） | 实验六讲解+直播答疑 | 陈果 | ||||
| WEEK12 （11.10-11.16） | 作业补交周 | 实验七汇报、讲解+ 结营仪式 | 老师+杨润轩 | |||
| 考核方式：视频学习5%+随堂练习20%+实验75%；其中共7个实验 实验分值：8,9,9,9,16,12,12（共75分） 考核说明： ①视频学习：每个计分的视频材料浏览了超过95%的内容即可获得全部分数； ②随堂练习：只有1次机会，由系统判断分数，主观题由老师/助教批改； ③实验模块：每次实验任务发布后，按时提交的同学最高可以获得该实验的满分，补交的同学最高可以获得该实验满分的70%； ④分数计算：因系统刷新延迟或课程更新会造成学习期间的分数有一定变化，结营的证书等级认定以结课后的最终成绩为准。 |
自然语言处理
| 自然语言课程安排 | ||||||
| 周 | 章 | 内容 | 所需时长 | 直播、实验/课件发布 | 主讲 | |
| WEEK1 （11.17-11.23） | 课程简介 | 1.1_什么是自然语言处理 1.2_自然语言处理的挑战 1.3_自然语言处理的重要性 1.4_自然语言处理典型任务及应用 1.5_推荐阅读 | 1小时18分钟 | - | - | |
| NLP模型基础 | 2.1_词表示 2.2_分布式词表示 2.3_词嵌入 2.4_神经网络 2.5_神经网络训练 2.6_循环神经网络 2.7_卷积神经网络 2.8_transformer | 3小时45分钟 | 实验1：word2vec以及TransE实现 发布时间：11月17日 截止时间：12月3日晚8点 | 实验布置 直播答疑 | 潘藤予 | |
| WEEK2 （11.24-11.30） | seq2seq与机器翻译 | 3.1_机器翻译简介 3.2_统计机器翻译 3.3_神经机器翻译 3.4_注意力机制 | 1小时28分钟 | 实验2：seq2seq模型-机器翻译 发布时间：11月24日 截止时间：12月14日晚8点 | 实验布置 直播答疑 | 宋晨阳 |
| WEEK3 （12.1-12.7） | 预训练语言模型 | 4.1 基于特征的预训练模型 4.2 基于特征的方法 4.3 基于微调的方法 4.4 BERT之后的预训练模型 | 1小时29分钟 | 实验1讲解 直播时间：12月7日晚 | 实验汇报、讲解 直播答疑 | 潘藤予 |
| WEEK4 （12.8-12.14） | 知识图谱 | 5.1什么是知识图谱 5.2知识表示学习 5.3 知识表示学习的关键挑战 | 1小时38分钟 | 实验3：文本情感分析 发布时间：12月8日 截止时间：12月28日晚8点 | 实验布置 直播答疑 | 潘藤予 |
| WEEK5 （12.15-12.21） | 序列标注与信息抽取 | 6.1_序列标注 6.2_词性标注 6.3_信息抽取简介 6.4_命名实体识别 6.5_命名实体分类与实体链接 | 1小时45分钟 | 实验2讲解 直播时间：12月21日晚 | 实验汇报、讲解 直播答疑 | 宋晨阳 |
| WEEK6 （12.22-12.28） | 文本分类与关系抽取 | 7.1_文本分类 7.2_关系抽取 7.3_事件抽取 | 1小时36分钟 | 实验4：预训练语言模型BERT实现与应用 发布时间：12月22日 截止时间：1月7日晚8点 | 实验布置 直播答疑 | 宋晨阳 |
| WEEK7 （12.29-1.4） | 文本匹配与信息检索 | 8.1_信息检索简介 8.2_传统IR模型 8.3_词嵌入IR模型 8.4_神经IR模型 | 2小时1分钟 | 实验3讲解 直播时间：1月4日晚 | 实验汇报、讲解 直播答疑 | 潘藤予 |
| WEEK8 （1.5-1.11） | 文档分析与阅读理解 | 9.1 文档分析简介 9.2 阅读理解 9.3 开放式问答 9.4 知识问答 | 1小时44分钟 | 实验5：智能问答在法律智能领域的应用 发布时间：1月5日 截止时间：1月21日晚8点 | 实验布置 直播答疑 | 宋晨阳 |
| WEEK9 （1.12-1.18） | 文本生成 | 10.1 文本生成简介（简介、传统方法） 10.2 基于神经网络的文本生成方法 10.3 文本生成的任务和评测 | 1小时33分钟 | 实验4讲解 直播时间：1月18日晚 | 实验汇报、讲解 直播答疑 | 宋晨阳 |
| NLP前沿介绍 | 11.1 少次学习 11.2 对抗学习 11.3 强化学习 11.4 ChatGPT背后的技术 | 5小时 | ||||
| WEEK10 （1.19-.1.25） | 实验6：面向新冠肺炎的社会计算应用 发布时间：1月19日 截止时间：2月1日24点 | 实验布置 直播答疑 | 潘藤予 | |||
| WEEK11 （1.26-2.1） | 实验5讲解 直播时间：2月1日晚 | 实验汇报、讲解 直播答疑 | 宋晨阳 | |||
| WEEK12 （2.2-2.8） | ||||||
| 实验6汇报、讲解 | 实验汇报、讲解 直播答疑 | 潘藤予 | ||||
| 考核方式说明 考核模块：视频学习5%+随堂练习20%+实验75%；其中，实验1、2、3每个10分，实验4、5、6每个15分； 考核说明： ①视频学习：每个计分的视频材料浏览了超过95%的内容即可获得全部分数； ②随堂练习：只有1次机会，由系统判断分数，主观题由老师/助教批改； ③实验模块：每次实验任务发布后，每位同学有至少2周的时间完成实验并在学堂在线提交实验报告。 按时提交的同学最高可以获得该实验的满分，补交的同学最高可以获得该实验满分的70%； ④分数计算：因系统刷新延迟或课程更新会造成学习期间的分数有一定变化，结营的证书等级认定以结课后的最终成绩为准。 |
算法训练营
| 算法训练营课程安排 | ||||
| 周 | 章 | 学习内容（每周一0点发布） | 所需时长 | 习题/周测讲解 （周测周末讲解） |
| 2.9-2.15（预热周） | 1. 获取OJ权限 2. 完成预热工作：阅读预习清单、学习邓老师讲座、邓老师授课（1节） | 4小时 | ||
| 预热周习题发布 | 习题讲解发布 | |||
| WEEK1 （2.16-2.22春节假期2.23-3.1） | 1A 基础+贪心 | 复杂度+大O记号 数据结构（I）：向量 + 列表、栈 + 队列、二叉树、图 贪心策略（I）：起泡排序、GnomeSort、Huffman树 | 2小时20分钟 | - |
| 1B 基础+贪心 | 数据结构（II）：（平衡）二叉搜索树、散列表 + 词典 + 映射、优先级队列 +优化Huffman编码 贪心策略（II）： 最小支撑树、 Prim算法、 Kruskal算法、 并查集 | 2小时20分钟 | ||
| 习题1-1 2.16-3.4 习题1-2 2.16-3.6 习题1-3 2.16-3.8 | ||||
| WEEK2 （3.2-3.8） | 2A 减而治之 | 数据结构（III）： 优先级队列 ~ 堆 减而治之、二分查找、选择排序、插入排序、快速选取、主流数、最短路径 + Dijkstra | 2小时50分钟 | 习题课1-1 习题课1-2 习题课1-3 |
| 2B 分而治之 | 分而治之、主定理、最大切片、大数乘法、归并排序、快速排序、线性选取、（二叉）树直径、最近点对 | 2小时40分钟 | ||
| 习题2-1 3.2-3.11 习题2-2 3.2-3.13 习题2-3 3.2-3.15 周测1 3.2-3.15 | 答疑 | |||
| WEEK3 （3.9-3.15） | 3A 图搜索 | 广度优先搜索、二部图甄别、图/树的偏心率、半径、中心、直径、圆桌骑士聚会、深度优先搜索、括号引理、拓扑排序、双联通分量分解 | 3小时 | 习题课2-1 习题课2-2 习题课2-3 |
| 3B 动态规划 | 动态规划、斐波那契数+记忆化+降低空间复杂度、幂运算、最短/最长穿越路径、最短/最长曼哈顿路径、最长公共子串、0/1-背包 | 2小时30分钟 | ||
| 习题3-1 3.9-3.18 习题3-2 3.9-3.20 习题3-3 3.9-3.22 周测2 3.9-3.22 | 周测1讲解+答疑（直播） | |||
| WEEK4 （3.16-3.22） | 4A 字符串 | 字符串、模式匹配、蛮力算法、KMP算法 + 改进KMP算法、Boyer-Moore算法（BC策略）、Boyer-Moore算法（GS策略）、算法综合比较、键树 | 2小时30分钟 | 习题课3-1 习题课3-2 习题课3-3 |
| 4B 散列 | 散列（散列表+散列函数+开放/封闭散列）、桶排序、基数排序、位图（Eratosthenes算法）、Karp-Rabin算法 | 2小时20分钟 | ||
| 习题4-1 3.16-3.25 习题4-2 3.16-3.27 习题4-3 3.16-3.29 周测3 3.16-3.29 | 周测2讲解+答疑（直播） | |||
| WEEK5 （3.23-3.29） | 5A 计算几何（I） | 基本测试：In-Triangle测试、To-Left测试（行列式）、 线段判交、梯子中的点定位 凸包：极点算法、极边算法、 Jarvis行进/礼品包扎、 递增式构造 凸包应用（I）: 水果忍者 | 2小时 | 习题课4-1 习题课4-2 习题课4-3 |
| 5B 计算几何（II） | Graham扫描、凸包应用（II）: 长城防守 多边形的三角剖分：三角剖分+割耳法+ 画廊问题/定理、单调多边形的三角剖分 | 2小时30分钟 | ||
| 习题5-1 3.23-4.1 习题5-2 3.23-4.3 习题5-3 3.23-4.5 周测4 3.23-4.5 | 周测3讲解+答疑（直播） | |||
| WEEK6 （3.30-4.5） | 复习+做题 周测5 3.30-4.12 | 习题课5-1 习题课5-2 习题课5-3 | ||
| 周测4讲解+答疑（直播） | ||||
| WEEK7 （4.6-4.12） | 复习+周测+补交作业（习题）+期末考试 | 周测5讲解+答疑（直播） | ||
| WEEK8 （4.13-4.19） | 期末考试+成绩公示等 | - | ||
| 考核方式： （1） 综合成绩=80%平时成绩+20%期末成绩 （2） 平时成绩=5%视频单元+60%作业成绩+35%周测成绩 （3） 每周的作业成绩为各题加权平均分 （4） 每题分数=max（100%及时提交分数，70%补交分数） （5） 对于期末考试的代码查重，查重超过95%，视为过度参考，该题分值降为0分。 |
自权的SPACE