2735-大壮同学-算法方向-推荐系统-就业:是 扫二维码继续学习 二维码时效为半小时

(0评价)
价格: 免费
【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!