【1851】【王同学】

【个人情况】：本科投资学，跨考交叉学科（金融+计算机）研究生。21年6月-12月，即笔试之前，主要学习C++基础，数据结构，机器学习算法（线性，SVM,CART，Boosting,K-Means等）基础原理与应用，深度学习（DNN,CNN,RNN,LSTM,GRU等）原理与应用，半监督学习，强化学习。笔试结束之后的课程加入实践和练习部分，可后期再次根据情况调整。每天学习5小时

考纲涉及到特征工程部分，因此在笔试前需要有小项目练习，具体了解一下特征工程（课程4180）

数据结构部分需要配合一定的leetcode，实现算法demo

【学习目标】：根据考研主要内容进行学习，运筹学部分在机器学习阶段的数学强化部分。tf和pytorch部分需要学生确认是否需要笔试前进行学习

【备注】：

【学习方向】：数据挖掘（C++）

【是否需要就业】：否

【目标就业地点】：一线城市

【课程学习顺序】：如学生有特殊要求，比如需要紧急完成论文，学习哪个阶段的内容。可以在该阶段下写上需要先学习的内容（可以按照阶段前面的数字进行标号）。方便学生和复审老师明确学习顺序。

（按照顺序学习即可，有问题随时跟老师联系调整）

【学员课程安排】：有任何疑问，在群里随时艾特或者ding教务老师和电话测评的老师！尽快解决，达到当前阶段没有疑问为止。

 

===============章节分割线===============

【第1阶段】：编程阶段

【监督方式】：强监督

「第1章」：C++基础

课程名称：@lonely老师

「第2章」：数据结构基础（leetcode用C++刷）

课程名称：【34】【Python数据结构与算法】

课程内容：数据结构入门，主要讲解了堆、栈、链表、快排、二分、树等数据结构与算法，课程末尾将会提供leetcode刷题教程，请需要就业的徒弟务必重视练习。

                    ---考核---（可选择，联系教务老师）

 

===============章节分割线===============

【第2阶段】：机器学习阶段

【监督方式】：强监督

「第1章」：数学加强

课程名称：【29】【机器学习---数学基础加强】

课程内容：对机器学习常用的算法做了一个概览，偏难，如果有不会的，可以回到第一阶段中的数学课程中进行学习。

                    ---考核---（可选择，联系教务老师）

「第2章」：数学加强

课程名称：【19701】【机器学习---数学基础加强?】

课程内容：对机器学习中的数学中的微分[极限、导数、费马定理、泰勒、多元函数、偏导数、方向导数、梯度、链式法制、拉格朗日]，线性代数[向量、矩阵、张量、行列式、线性方程组、矩阵分解]，概率[随机变量、概率分布、贝叶斯定理、期望、方差、大数定律、特征函数、中心极限定理、统计学基础、极大似然估计、zuida后验估计、蒙特卡罗方法、Bootstrap方法、EM算法]，最优化方法[最速下降法、共轭梯度法、牛顿法、拟牛顿法、约束非线性优化、KKT条件]等数学知识点的复习

                    ---考核---（可选择，联系教务老师）

「第3章」：机器学习基础

课程名称：【3142】【机器学习算法基础（基础机器学习课程）】

课程内容：机器学习基础算法的讲解，偏向于实现，对底层原理没有进行过多的阐述。

                    ---考核---（可选择，联系教务老师）

「第4章」：机器学习进阶

课程名称：【31】【机器学习---算法加强】

课程内容：对机器学习深入的讲解，利用了大量的数学公式进行推导，足以应对工厂面试过程中问到的算法的底层远离的实现。比较难理解，需要多次吸收强化。如对该课程有不适应，请及时跟教务老师联系。

                    ---考核---（可选择，联系教务老师）

「第5章」：机器学习框架

课程名称：【4168】【机器学习-Sklearn课程--V2】

课程内容：机器学习中的一个框架的学习，偏向于练习。

                    ---考核---（可选择，联系教务老师）

 

===============章节分割线===============

【第3阶段】：深度学习阶段

【监督方式】：强监督

「第1章」：深度学习进阶

课程名称：【9054】【深度学习-【2020版】【深版】】

课程内容：深度学习深入知识的讲解，对神经网络等深度学习常用的算法进行了讲解

                    ---考核---（可选择，联系教务老师）

「第2章」：深度学习基础

课程名称：【2949】【1、Python人工智能项目进阶（第一部分）-深度学习进阶提高】

课程内容：深度学习常用框架知识的讲解，深层神经网络、浅层神经网络的算法、卷积神经网络算法

                    ---考核---（可选择，联系教务老师）

「第3章」：深度学习框架

课程名称：【9395】【Pytorch】

课程内容：深度学习中的Pytorch框架的讲解于使用。

                    ---考核---（可选择，联系教务老师）

「第4章」：深度学习框架

课程名称：【9458】【深度学习-Tensorflow2.0】

课程内容：深度学习中TensorFlow2.X版本的讲解与使用。

                    ---考核---（可选择，联系教务老师）

 

===============章节分割线===============

【第4阶段】：金融风控阶段

【监督方式】：强监督

「第1章」：金融风控阶段

课程名称：【4180】【金融数据分析 】

课程内容：该课程讲解了GBDT、神经网络模型预测、贷款申请评分卡、以及违约预测等金融相关的数据挖掘

                    ---考核---（可选择，联系教务老师）

 

===============章节分割线===============

【第5阶段】：Kaggle练习阶段

【监督方式】：强监督

「第1章」：数据挖掘Kaggle阶段

课程名称：【2956】【3-Kaggle基于pytorch的风格转换 】

课程内容：Kaggle中对数据挖掘的项目练习。

                    ---考核---（可选择，联系教务老师）

「第2章」：数据挖掘Kaggle阶段

课程名称：【2954】【1-Kaggle音乐推荐案例实战 】

课程内容：Kaggle中对数据挖掘的项目练习。

                    ---考核---（可选择，联系教务老师）

「第3章」：金融数据分析Kaggle阶段

课程名称：【3045】【Kaggle金融反欺诈模型训练 】

课程内容：Kaggle中对金融风控的反欺诈模型的项目练习。

                    ---考核---（可选择，联系教务老师）

「第4章」：金融数据分析Kaggle阶段

课程名称：【3044】【第二课---Kaggle经济金融相关问题解决 】

课程内容：Kaggle中对金融风控的反欺诈模型的项目练习。

                    ---考核---（可选择，联系教务老师）

 

 

【时间安排】：

学员可以自主安排学习时间。具体的时间可以灵活调整。

【相关规定】：

（1）每天完成今日学习任务，提交相应的csdn或者是有道云笔记之类的链接到每日作业中。老师会进行审核，每个阶段结束，进行阶段测评，测评通过，提交老师发布的通过截图到下一个课程的第一节的阶段卡点之后，方可进行下一章内容的学习。

（2）每个章节结束，如果觉得吸收比较乱，知识点多，可以进行xmind脑图的构造一下整体的思路！

（3）项目阶段，需要录制或者文档落地针对做过的项目的自述！

（4）每天必须按计划完成任务，临时有事需在日报中说明情况即可，长期请假请联系教务老师。

（5）考核不通过需要缴费补考，50元是第一次，每次增加50元，200元封顶（此项如有疑问，可以联系教务老师进行更改）。

【参考博客】：第二天早晨八点半，会有拜师晨报提醒。当中有学生优秀博客，可以查看学生的排版

【监督相关说明】：

弱监督：不需要每天提交作业，直接可以解锁课程，适合于自制力能力强的。

强监督：需要学习完一个课程通过管理员解锁才能继续学习下一个阶段，适合于自制力不够强，已经参加工作的学员。

【工作安排】：

（1）、批改作业，环境安装！还有学习过程中有不会的问题的话，艾特软件安装以及基础答疑老师！

（2）、学习过程中如果有什么问题和疑问，可以艾特答疑老师！

（3）、如果计划需要更改，可以群里艾特我和跟你电话测评沟通的老师进行沟通！

（4）、如果有什么方向上面的疑问，可以艾特相关的答疑老师和计划制定的老师！

（5）、如果不知道找哪位老师的话，或者问题比较紧急的可以艾特教务老师进行处理，或者有什么意见和建议（直接私聊教务老师）！教务老师会进行受理！