张起浩：测试情况
天津农学院物联网专业，大四考研，可能二战，大数据推荐系统方向实战。注重理论结合实践提升。
个人情况：本科大四毕业，学习为了能够学完之后从事数据科学工程提高方向。
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。应对数据科学（大数据挖掘结合推荐）方向。
4.目标：扎实专研应对数据科学（大数据数据挖掘实习就业。
5.教学方向：机器学习算法与大数据挖掘方向提高，数据科学（大数据挖掘推荐系统）方向。
课程安排：
数学课程：（与py同步开始）
包括：线性代数，高数，统计
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
包括：线性表，图，树
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：tensorflow1.x实践。
包括：深度学习算法实践
第十阶段：tensorflow2.x实践
包括：深度学习算法实战
第十一阶段：pytorch实战
包括：pytorch实战
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
第十三阶段: 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：下一步方向指导。

教学目标：数据科学（数据数据挖掘算法基础）提高。

时间安排：注意时间管理
每周一到五学员自己可以安排。
每周六日5小时，周日考核。
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。