===============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】：强监督

「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5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）

===============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」：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2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3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：【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）

「第4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）

===============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】：自由

「第1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）

该部分学生比较熟练，简单过一下即可

===============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」：推荐方向算法理论阶段

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）

「第3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4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5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）

[第6章]：NLP相关模型：transformer,attention

[第7章]：dssm+ESIM+wide&deep项目

[第8章]：DIN,DIEN模型学习

===============章节分割线===============

【第8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）