金融数据分析方向课程

 

1.有py编程基础，但是不够系统，python从基础开始，注重过程监控，本次学习核心为提高编程能力，解决一些平常学习中的bug

 

2.金融方向硕士，数学有基础学习，数学设置为弱监督方式，设置数据结构课程为了能够转行就业，重新加强。

 

3.非本行业工作，学习为了能够转行寻求数据分析工作。需要和上班时间安排开。 4.教学目标：机器学习和深度学习零基础加强。Python编程能力提升。

 

5.方向：金融数据分析方向。

 

课程安排：

 

 

 

第0阶段：数学课程（弱监督方式）

 

包括：线性代数，概率论，高等数学，统计学

 

注意：该课程和py同步

 

第一阶段：python基础

 

包括：python语法，面向对象部分

 

第二阶段：python数据结构基础（py加强）

 

包括：链表，线性表，树，图，排序，查找

 

第三阶段：数据科学库基础

 

包括：numpy，pandas，matplotlib

 

第四阶段：机器学习数学基础加强。

 

包括：高数，概率，线代加强

 

第五阶段: 机器学习基础

 

包括：机器学习算法理论基础

 

第六阶段：机器学习进阶

 

包括：分类算法，聚类算法，回归算法，HMM

 

第七阶段：sklearn机器学习实战

 

包括：特征工程，建模代码实战

 

第八阶段：深度学习基础

 

包括：深度学习BPNN，CNN，RNN，LSTM

 

第九阶段：tensorflow实践。

 

包括：深度学习算法实践

 

第十阶段：项目前置基础知识

 

包括：项目前置知识

 

第十一阶段: 项目项目实践1个月

 

包括：项目实战：金融风控评分卡模型

 

第十二阶段：kaggle实战

 

包括：选择好的一部分kaggle案例

 

第十三阶段：指导学员下一步学习方向。

 

 

 

教学目标：算法基础基础拓展。

 

 

 

时间安排：

 

每周一到周五每天学习2到3小时，时间您可以自己安排。

 

每周日2小时，周日可能考核。

 

每天提交xmind复习笔记和博客笔记。同时每周三日，整理知识点，整理笔记到博客，可以选择博客园博客。将重点知识点录屏自己讲出来(学习方式中吸收最好的方式是给别人讲出来)，并提交作业。

 

 

 

相关规定：每天必须按计划完成任务，否则将停发学习任务，临时有事需请假。考核不通过需要缴费补考。