彭程测试情况：

1.考核：硕士毕业，现在在培训机构做化学老师，化学专业，有一点编程基础。python学过，但是缺乏系统性，设置为强监督学习方式，自学过机器学习基础知识，为了应对就业，仍需系统学习。每天都需要提交笔记到博客。注重过程监控。数学有基础，配置为弱监督方式。数学和py同步开始。数据结构面对转行，重新学习加强，leet刷题加强，放在前置阶段。

2.个人情况：硕士毕业17年，培训机构化学老师，大数据机器学习数据挖掘方向零基础在职提高，学习为了能够学完之后顺利转行大数据数据挖掘推荐算法工程师。目标北京。

3.目前情况：零基础提高机器学习基础及深度学习基础能力。应对大数据挖掘结合推荐方向。

4.目标：扎实专研应对大数据数据挖掘就业，应对转行就业。

5.教学方向：机器学习算法与大数据挖掘方向提高，大数据挖掘推荐系统方向。

课程安排：

注重：数学课程和python同步开始学习

第零阶段：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

第一阶段：python基础（弱监督）

包括：python语法，面向对象部分

第三阶段：python数据结构基础。 第四阶段: leetcode算法。 第五阶段：数据科学库基础

包括：numpy，pandas，matplotlib

第六阶段：机器学习数学基础加强。

包括：高数，概率，线代加强

第七阶段: 机器学习基础

包括：机器学习算法理论基础

第八阶段：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：tensorflow1.x实践。

包括：深度学习算法实践

第十阶段：大数据挖掘项目前置基础知识

包括：hadoop，spark基础，hbase基础

第十一阶段: 大数据推荐项目实践1个月

包括：大数据文章推荐算法

第十二阶段：kaggle的大数据挖掘实战

包括：选择好的一部分kaggle案例

第十三阶段：就业指导。

教学目标：大数据数据挖掘算法基础就业提高。

时间安排：注意时间管理

每周一到五，每天学习2到3小时，学员可以自己安排。该学员周一休息，上午休息，下午到晚上11点上班，学员可以自己安排学习。

每周六日5小时，周日可能考核。

每天提交xmind复习笔记，同时每周三日，整理知识点，整理笔记到博客，可以选择csdn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。