【2707】【小吴】 【个人情况】：土木水利相关交叉学科研一，有数据分析与建模的相关项目经验，为找实习找工作做准备。自学python，有一定编程基础，有基本的机器学习和CNN相关项目实践；机器学习和深度学习需要系统学习基础知识，增加实践。学习时间比较充足。 【学习目标】：扎实数据结构相关知识点，刷leetcode；系统强化机器学习和深度学习相关知识，增加项目练习，为找实习打基础 【备注】：一年 【学习方向】：数据挖掘 【是否需要就业】：是 【目标就业地点】：一线城市 【课程学习顺序】：以老师发的学习思路稳住 （按照顺序学习即可，有问题随时跟老师联系调整） 【学员课程安排】：有任何疑问，在群里随时艾特或者ding教务老师和电话测评的老师！尽快解决，达到当前阶段没有疑问为止。 ===============章节分割线=============== 【第1阶段】：数学阶段 【监督方式】：弱监督 「第1章」：数学加强篇 课程名称：【19968】【机器学习中的数学基础-53集「解锁式学习」】 课程内容：对机器学习中的数学中的微分[极限、导数、费马定理、泰勒、多元函数、偏导数、方向导数、梯度、链式法制、拉格朗日]，线性代数[向量、矩阵、张量、行列式、线性方程组、矩阵分解]，概率[随机变量、概率分布、贝叶斯定理、期望、方差、大数定律、特征函数、中心极限定理、统计学基础、极大似然估计、zuida后验估计、蒙特卡罗方法、Bootstrap方法、EM算法]，最优化方法[最速下降法、共轭梯度法、牛顿法、拟牛顿法、约束非线性优化、KKT条件]等数学知识点的复习                     ---考核---（可选择，联系教务老师） ===============章节分割线=============== 【第2阶段】：基础阶段 【监督方式】：强监督 「第1章」：数据结构与算法篇 课程名称：【36】【Python数据结构与算法「解锁式学习」】 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2章」：编程语言篇（有基础，简单过一下即可） 课程名称：【14281】【机器学习-数据科学库（HM）「解锁式学习」】 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3章」：编程语言篇 课程名称：【19638】【数据分析-项目合集「自由式学习」】 课程内容：该课程主要讲解了股票分析案例、人口数据分析案例、美国大选案例、用户数据分析案例四个例子来加深数据分析的例子                     ---考核---（可选择，联系教务老师） 「第4章」：操作系统篇（简单掌握基本语法） 课程名称：【1219】【Linux零基础课程「解锁式学习」】 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。必须学习吸收，之后大数据阶段会跟服务器一直关联学习。极其重要。                     ---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」：机器学习基础篇 课程名称：【3211】【机器学习算法基础（基础机器学习课程）「解锁式学习」】 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」：机器学习进阶篇 课程名称：【33】【机器学习---算法进阶「解锁式学习」】 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」：机器学习工具篇 课程名称：【24941】【机器学习-Sklearn（第三版）「解锁式学习」】 课程内容：该课程主要讲解了经典算法决策树、随机森林、特征工程数据预处理、经典算法降维算法PCA、逻辑回归、聚类算法KMeans、支持向量机SVM、线性回归 、朴素贝叶斯、 XGBoost及其相关案例                     ---考核---（可选择，联系教务老师） ===============章节分割线=============== 【第4阶段】：推荐系统阶段 【监督方式】：强监督 「第1章」：推荐系统前置框架篇 课程名称：【4】【Hadoop视频「解锁式学习」】 课程内容：hadoop精简版课程，主要用于大数据推荐方向的学生了解常用的HDFS存储等知识。建议只需要了解，不用实操，其中hiveSQL语句可以重点学习一下。                     ---考核---（可选择，联系教务老师） 「第2章」：推荐系统前置框架篇 课程名称：【26】【Spark---Core课程「解锁式学习」】 课程内容：Sprak基础阶段理论学习，主要讲解了spark核心理论知识，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） 「第3章」：推荐系统前置框架篇 课程名称：【27】【Spark---Scala课程「解锁式学习」】 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） ===============章节分割线=============== 【第5阶段】：AI项目合集阶段 【监督方式】：强监督 「第1章」：金融风控项目篇 课程名称：【4309】【金融数据分析「解锁式学习」】 课程内容：该课程讲解了GBDT、神经网络模型预测、贷款申请评分卡、以及违约预测等金融相关的数据挖掘                     ---考核---（可选择，联系教务老师） 「第2章」：机器学习练习系列篇 课程名称：【13866】【机器学习-电商点击率预估（7，8）「解锁式学习」】 课程内容：等待介绍文本                     ---考核---（可选择，联系教务老师） 「第3章」：机器学习练习系列篇 课程名称：【19634】【7、机器学习练习-lighGBM算法-交易欺诈检测实战「解锁式学习」】 课程内容：该课程主要是机器学习算法上面的练习                     ---考核---（可选择，联系教务老师） ===============章节分割线=============== 【第6阶段】：深度学习阶段 【监督方式】：强监督 「第1章」：深度学习基础篇 课程名称：【21964】【深度学习-【2020版】【深版】「数据挖掘-解锁式学习」】 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」：深度学习工具篇 课程名称：【3267】【TensorFlow深度学习（第二版更新TF）-2「解锁式学习」】 课程内容：深度学习中的TensorFlow框架的讲解于使用。                     ---考核---（可选择，联系教务老师） 「第3章」：深度学习工具篇 课程名称：【9555】【Pytorch学习「解锁式学习」】 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） 「第4章」：序列模型理论基础篇 课程名称：【3425】【NLP自然语言处理基础课程「解锁式学习」】 课程内容：LDA、语言模型结合朴素贝叶斯、基于统计的翻译系统、隐马尔可夫模型、词向量等知识的讲解。                     ---考核---（可选择，联系教务老师） 「第5章」：NLP理论基础篇 课程名称：【30437】【2、（2022）NLP深度学习算法加强「自由式学习」】 课程内容：该课程讲解了多分类文本处理与特征工程、Distributed Representations、词向量的训练与使用、编程环境搭建、Numpy+pandas+Sklearn的使用、模型训练与模型部署最佳实战、机器学习的项目流程以及常用的算法、数据不均衡处理、工程代码编写、带读paper、常用的分类算法、多模态文本分类技术、Pytorch的使用以及常用的卷积神经网络、递归神经网络、GPU计算、实现基于LSTM的情感分类、基于LSTM语言模型的代码模型                     ---考核---（可选择，联系教务老师） 「第6章」：NLP项目篇 课程名称：【30328】【2、自然语言处理-基于Seq2Seq、Transformer、BERT的词向量「自由式学习」】 课程内容：该课程主要实现了NLP的一个整体的项目，讲解了项目导论与中文词向量实践、基于Seq2Seq架构的模型搭建、NLG过程的优化与项目的inference、OOV和Word-repetition问题的改进、基于Transformer特征提取器的改进、BERT在抽取任务中的效果、预训练模型在摘要任务中的改进、项目总结与回顾等知识点                     ---考核---（可选择，联系教务老师） 「第7章」：NLP理论进阶篇 课程名称：【3024】【3、NLP人工智能（第三部分）---深度学习Bert进阶「解锁式学习」】 课程内容：深度学习中的文本匹配以及语料库的匹配等自然语言处理结合的课程。                     ---考核---（可选择，联系教务老师） ===============章节分割线=============== 【第7阶段】：说明课程 【监督方式】：强监督 「第1章」：基础和方向的分割阶段 课程名称：【3244】【说明课程（基础知识与项目衔接说明课程）「解锁式学习」】 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8阶段】：AI项目合集阶段 【监督方式】：强监督 「第1章」：机器学习项目系列篇 课程名称：【3113】【机器学习-金融反欺诈模型训练（10）「解锁式学习」】 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2章」：机器学习项目系列篇 课程名称：【19630】【3、机器学习练习-LSTM_IBM股价预测「解锁式学习」】 课程内容：该课程主要是机器学习算法上面的练习                     ---考核---（可选择，联系教务老师） 「第3章」：机器学习练习系列篇 课程名称：【30169】【基于LSTM多变量预测_共享单车使用量预测「解锁式学习」】 课程内容：该课程主要讲解了通过Tensorflow2.0实现了给予LSTM的多变量预测-共享单车使用量预测                     ---考核---（可选择，联系教务老师） ===============章节分割线=============== 【第9阶段】：kaggle项目阶段 【监督方式】：强监督 「第1章」：kaggle比赛系列篇 课程名称：【3112】【2、Kaggle比赛系列-经济金融相关问题「解锁式学习」】 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2章」：kaggle比赛系列篇 课程名称：【23804】【6、kaggle比赛系列-深度学习相关比赛「解锁式学习」】 课程内容：等待介绍文本                     ---考核---（可选择，联系教务老师） 【简历辅导阶段】 写出来初版的简历，然后老师进行建议，再次修改简历。简历合格，进行模拟面试。沟通面试问题等，具体事宜，到该阶段之后联系相应的教务老师进行安排。 【时间安排】： 学员可以自主安排学习时间。具体的时间可以灵活调整。 【相关规定】： （1）每天完成今日学习任务，提交相应的csdn或者是有道云笔记之类的链接到每日作业中。老师会进行审核，每个阶段结束，进行阶段测评，测评通过，提交老师发布的通过截图到下一个课程的第一节的阶段卡点之后，方可进行下一章内容的学习。 （2）每个章节结束，如果觉得吸收比较乱，知识点多，可以进行xmind脑图的构造一下整体的思路！ （3）项目阶段，需要录制或者文档落地针对做过的项目的自述！ （4）每天必须按计划完成任务，临时有事需在日报中说明情况即可，长期请假请联系教务老师。 （5）考核不通过需要缴费补考，50元是第一次，每次增加50元，200元封顶（此项如有疑问，可以联系教务老师进行更改）。 【参考博客】：第二天早晨八点半，会有拜师晨报提醒。当中有学生优秀博客，可以查看学生的排版 【监督相关说明】： 弱监督：不需要每天提交作业，直接可以解锁课程，适合于自制力能力强的。 强监督：需要学习完一个课程通过管理员解锁才能继续学习下一个阶段，适合于自制力不够强，已经参加工作的学员。 【工作安排】： （1）、批改作业，环境安装！还有学习过程中有不会的问题的话，艾特软件安装以及基础答疑老师！ （2）、学习过程中如果有什么问题和疑问，可以艾特答疑老师！ （3）、如果计划需要更改，可以群里艾特我和跟你电话测评沟通的老师进行沟通！ （4）、如果有什么方向上面的疑问，可以艾特相关的答疑老师和计划制定的老师！ （5）、如果不知道找哪位老师的话，或者问题比较紧急的可以艾特教务老师进行处理，或者有什么意见和建议（直接私聊教务老师）！教务老师会进行受理！