【2735】【大壮同学】
【个人情况】：计算机研二（非全），本科非计算机方向，工作中偏向数据开发；学校5月开题，计划10月左右完成初稿，论文方向：基于SRGNN的推荐，使用GCN+transformer（代码pytorch）。数学需要加强，python有一定基础，机器学习和深度学习几乎零基础。平均每天学习时间2-3小时
【学习目标】：针对毕业论文进行学习，重点学习深度学习，10月完成论文初稿；机器学习相关目前整体概括学习，后续再补充。
【备注】：一年
【学习方向】：推荐系统方向
【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】：弱监督
「第1章」：编程语言篇
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2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）
===============章节分割线===============
【第3阶段】：机器学习阶段
【监督方式】：弱监督
「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】：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：【23455】【深度学习-【2020版】【深版】「推荐系统-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：【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3章」：深度学习工具篇
课程名称：【9622】【深度学习-Tensorflow2.0「解锁式学习」】
课程内容：深度学习中TensorFlow2.X版本的讲解与使用。
---考核---（可选择，联系教务老师）
===============章节分割线===============
【第5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6阶段】：自然语言处理阶段
【监督方式】：强监督
「第1章」：NLP理论基础篇
课程名称：【3015】【1、Python人工智能项目进阶（第一部分）-深度学习进阶提高「解锁式学习」】
课程内容：深度学习常用框架知识的讲解，深层神经网络、浅层神经网络的算法、卷积神经网络算法
---考核---（可选择，联系教务老师）
「第2章」：NLP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3章」：NLP项目篇
课程名称：【3266】【NLP到Word2Vec实战「解锁式学习」】
课程内容：自然语言处理阶段的Word2Vec的讲解
---考核---（可选择，联系教务老师）
「第4章」：NLP项目篇
课程名称：【3541】【自然语言序列模型实战「解锁式学习」】
课程内容：该课程对于自然语言处理模型进行概述，包含语言模型，神经序列模型，FSM，CRF的学习
---考核---（可选择，联系教务老师）
「第5章」：NLP理论基础篇
课程名称：【30325】【1、自然语言处理-NLP核心能力提升「自由式学习」】
课程内容：该课程主要是讲解语言模型与语法树、爬虫、搜索引擎与自动路径决策、动态规划与编辑距离、自然语言初步理解、经典的机器学习算法、深度学习、非监督、半监督、主动学习、word2vec、CNN卷积神经网络、RNN循环神经网络、Transformer与BERT大规模预训练问题、面向服务的智能客服机器人与新闻自动生成摘要的案例等知识体系
---考核---（可选择，联系教务老师）
「第6章」：NLP理论进阶篇
课程名称：【27795】【NLP实战高手课「自由式学习 」】
课程内容：该课程主要讲解NLP的基本任务和研究方向、智能问答系统、文本校验系统、深度学习框架GPU、AI部署、神经网络基础（RNN，CNN，Embedding、Pytorch基础）、文本分类实践、半自动特征构建方式、降纬方法、集成模型、神经网络建模、Transformer、时序建模、xDeepFM、图网络、模型融合、深度迁移学习模型、优化器、训练语言模型、长文本分类、依存分析、Tranx、ASDL和AST、wikiSQL、Q-learning、AutoML、算法结合、多模态表示学习、知识蒸馏、K8S部署等等自然语言处理知识
---考核---（可选择，联系教务老师）
「第7章」：NLP项目篇
课程名称：【27493】【4、PyTorch_LSTM文本生成「解锁式学习」】
课程内容：该课程主要讲解Pytorch使用LSTM生成字符集的操作
---考核---（可选择，联系教务老师）
「第8章」：NLP项目篇
课程名称：【25083】【PyTorch-情感分类「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9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10章」：NLP项目篇
课程名称：【30326】【3、自然语言处理-基于大规模预训练模型的机器阅读理解「自由式学习」】
课程内容：该课程讲解了整个项目的开发过程，其中包括了机器阅读理解发展以及解析、常见的机器学习阅读理解模型、BERT与机器阅读理解、BERT的模型变体、其他的机器阅读理解模型、模型的集成与部署、项目总结整体的内容
---考核---（可选择，联系教务老师）
「第11章」：NLP项目篇
课程名称：【30439】【4、（2022）Transformer和预训练模型阶段「自由式学习」】
课程内容：该课程主要讲解了自注意力机制以及Transformer、Teansformer的代码实现、基于Transformer的闲聊引擎、BERT中的Fine-tuning实例讲解、XLNet、ALBERT的应用、以及XLNet论文讲解。
---考核---（可选择，联系教务老师）
===============章节分割线===============
【第7阶段】：推荐系统阶段
【监督方式】：强监督
「第1章」：推荐系统基础理论篇
课程名称：【2704】【1、头条NLP推荐系统基础「解锁式学习」】
课程内容：该课程主要是讲解了推荐系统的架构的理论实现，以及推荐系统常见的冷启动、数据集、NLP常用的基础知识等问题，然后讲解了大数据推荐系统常用的大数据框架的知识，如Hadoop、Kafka等知识的讲解。
---考核---（可选择，联系教务老师）
「第2章」：推荐系统基础理论篇
课程名称：【3334】【1、大数据技术之机器学习和推荐系统-理论「解锁式学习」】
课程内容：该课程主要讲解了大数据推荐架构中常用的算法的实现和学习K近邻、逻辑回归、决策树等知识的讲解。重点学习的课程。
---考核---（可选择，联系教务老师）
「第3章」：推荐系统项目实践篇
课程名称：【3636】【3、大数据技术之机器学习和推荐系统-电商推荐系统「解锁式学习」】
课程内容：该课程主要从推荐系统的设计-实现-测试各方面进行了讲解，通过了对电商数据的分析，然后使用推荐算法对模型进行设计，然后对各个模块进行实现。
---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）
【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！
