风云：测试情况
1.考核：硕士研究生二年级，有py，pytorch等编程基础。python部分强化通过考核即可。数据结构课程，为了应对就业，仍需系统重新学习。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。一周建议两道到三道。
2.个人情况：硕士研二，目标为大数据机器学习数据挖掘方向有基础提高，学习为了能够学完之后顺利完成大数据数据挖掘推荐算法工程师就业。就业目标应对阿里，腾讯工作。
3.目前情况：有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NLP方向。
4.目标：扎实专研应对大数据数据挖掘就业，应对实习就业。
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NLP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
第二阶段：mysql基础及优化
包括：数据库基础
第三阶段：python数据结构基础。
第四阶段: leetcode算法。
包括：力扣一周至少两次刷题
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
第九阶段：sklearn机器学习实战
包括：特征工程，建模代码实战
第十阶段：深度学习基础
包括：深度学习BPNN，CNN，RNN，LSTM
第十一阶段：tensorflow1.x和2.x实践。
包括：深度学习算法实践
第十二阶段：大数据挖掘项目前置基础知识
包括：hadoop，spark基础，hbase基础
增加nlp基础部分（学员具备可以尽快过）
第十三阶段: 大数据NLP推荐项目实践1个月
包括：大数据文章推荐算法
第十四阶段：kaggle的大数据挖掘实战
包括：选择好的一部分kaggle案例
第十五阶段：就业简历指导。

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。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。