【2167】【波波】

【个人情况】：2016年毕业，专业地理信息系统。做过2-3年的c#工作，目前在交通领域做java开发，项目中会涉及到一些统计指标计算，路径规划等算法的开发。公司下半年计划做基于大数据平台的算法相关项目，涉及到线路预测，路径推荐等相关的数据挖掘项目。公司内部可以转岗，希望自己能提高技能，抓住机会，也为以后找算法工作作准备。

【学习目标】：学习算法技能为了转方向就业

【备注】：

【学习方向】：推荐系统方向（+CV）

【是否需要就业】：是

【目标就业地点】：北京

【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】：数学阶段

【监督方式】：弱监督

「第1章」：数学基础

课程名称：【710】【1、高数基础---人工智能AI数学基础(完全0基础数学)】

课程内容：高数的系统知识学习，不建议从头到尾观看。浪费时间，可以通过数学加强课程中的数学知识，针对性复习。

---考核---（可选择，联系教务老师）

「第2章」：数学基础

课程名称：【709】【2、概率基础---人工智能AI数学基础(完全0基础数学)】

课程内容：概率的系统知识学习，不建议从头到尾观看。浪费时间，可以通过数学加强课程中的数学知识，针对性复习。

---考核---（可选择，联系教务老师）

「第3章」：数学基础

课程名称：【683】【3、统计基础---人工智能AI数学基础(完全0基础数学)】

课程内容：统计的系统知识学习，不建议从头到尾观看。浪费时间，可以通过数学加强课程中的数学知识，针对性复习。

---考核---（可选择，联系教务老师）

===============章节分割线===============

【第2阶段】：编程阶段

【监督方式】：弱监督

「第1章」：Python基础

课程名称：【3350】【Python基础知识-pycharm版】

课程内容：python基础入门知识，对于算法中需要的基础的python做了一个系统的学习。

---考核---（可选择，联系教务老师）

「第2章」：数据结构基础

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）

「第3章」：数据科学库基础

课程名称：【30】【机器学习---数据科学包】

课程内容：讲解了目前主要是pandas、numpy、matpoltlib库的使用。

---考核---（可选择，联系教务老师）

「第4章」：Linux基础

课程名称：【14】【Linux】

课程内容：主要讲解了linux数据库的使用，开发人员的基本操作。如果时间充足，可以系统学习，如果想要快速进入算法，可以跳过，不影响接下来的算法学习。但是在进入项目阶段之前必须进行学习。

---考核---（可选择，联系教务老师）

「第5章」：Git基础

课程名称：【2157】【Git】

课程内容：主要讲解git工具的使用，在入职之前进行学习也可以，不影响算法阶段学习。开发人员的基本操作

---考核---（可选择，联系教务老师）

===============章节分割线===============

【第3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：【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2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3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4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4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」：深度学习框架

课程名称：【3196】【TensorFlow深度学习（第二版更新TF）-2】

课程内容：深度学习中的TensorFlow框架的讲解于使用。

---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5阶段】：辅助阶段

【监督方式】：强监督

「第1章」：辅助课程

课程名称：【3173】【说明课程（基础知识与项目衔接说明课程）】

课程内容：项目阶段与基础阶段的分界点，在该课程之前为基础阶段，之后为项目阶段，如需更改方向，请在该阶段在群里与老师沟通。

---考核---（可选择，联系教务老师）

===============章节分割线===============

【第6阶段】：推荐方向阶段

【监督方式】：弱监督

「第1章」：推荐方向前置知识阶段

课程名称：【4】【Hadoop视频】

课程内容：hadoop精简版课程，主要用于大数据推荐方向的学生了解常用的HDFS存储等知识。建议只需要了解，不用实操，其中hiveSQL语句可以重点学习一下。

---考核---（可选择，联系教务老师）

「第2章」：推荐方向前置知识阶段

课程名称：【25】【Spark---Scala课程】

课程内容：该课程主要讲解sprak框架使用的Scala语言，了解一下即可。可以快速学习，为大数据推荐系统做准备。

---考核---（可选择，联系教务老师）

「第3章」：推荐方向前置知识阶段

课程名称：【24】【Spark---Core课程】

课程内容：Sprak基础阶段理论学习，主要讲解了spark核心理论知识，可以快速学习，为大数据推荐系统做准备。

---考核---（可选择，联系教务老师）

「第4章」：推荐方向前置知识阶段

课程名称：【26】【Spark---SQL课程】

课程内容：Sprak基础阶段理论学习，主要讲解了sparkSQL理论知识，可以快速学习，为大数据推荐系统做准备。还阶段使用到了SQL语句。

---考核---（可选择，联系教务老师）

===============章节分割线===============

【第7阶段】：推荐方向阶段

【监督方式】：强监督

「第1章」：推荐方向算法理论阶段

课程名称：【3258】【1、大数据技术之机器学习和推荐系统-理论】

课程内容：该课程主要讲解了大数据推荐架构中常用的算法的实现和学习K近邻、逻辑回归、决策树等知识的讲解。重点学习的课程。

---考核---（可选择，联系教务老师）

「第2章」：推荐方向项目实践阶段

课程名称：【3528】【3、大数据技术之机器学习和推荐系统-电商推荐系统】

课程内容：该课程主要从推荐系统的设计-实现-测试各方面进行了讲解，通过了对电商数据的分析，然后使用推荐算法对模型进行设计，然后对各个模块进行实现。

---考核---（可选择，联系教务老师）

「第3章」：推荐方向算法理论阶段

课程名称：【2644】【1、头条NLP推荐系统基础】

课程内容：该课程主要是讲解了推荐系统的架构的理论实现，以及推荐系统常见的冷启动、数据集、NLP常用的基础知识等问题，然后讲解了大数据推荐系统常用的大数据框架的知识，如Hadoop、Kafka等知识的讲解。

---考核---（可选择，联系教务老师）

「第4章」：推荐方向项目实践阶段

课程名称：【1754】【2、头条NLP推荐系统项目】

课程内容：该课程主要讲解了文章推荐系统的整体的实现，其中通过对召回层、算法实现等的讲解，完成了整个文章推荐系统的视线，并且实现了调用。

---考核---（可选择，联系教务老师）

===============章节分割线===============

【第8阶段】：计算机视觉阶段

【监督方式】：强监督

「第1章」：计算机视觉阶段

课程名称：【1051】【1、计算机视觉CV理论基础?】

课程内容：计算机视觉中常用的算法的讲解，常用的神经网络的学习。

---考核---（可选择，联系教务老师）

「第2章」：计算机视觉阶段

课程名称：【10777】【2、计算机视觉CV实践基础 】

课程内容：计算机视觉中对图像的处理，以及完成对车辆的识别、信用卡识别、停车场、答题卡等的识别

---考核---（可选择，联系教务老师）

「第3章」：计算机视觉阶段

课程名称：【1050】【3、计算机视觉CV实践加强 】

课程内容：计算机视觉中图像处理的加强课程，目标检测无人驾驶、车辆图片检索等知识点的讲解。

---考核---（可选择，联系教务老师）

===============章节分割线===============

【第9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）

【简历辅导阶段】

写出来初版的简历，然后老师进行建议，再次修改简历。简历合格，进行模拟面试。沟通面试问题等，具体事宜，到该阶段之后联系相应的教务老师进行安排。

【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！