已关闭
2737-夏同学-算法方向-数据挖掘-就业：否
2737-夏同学-算法方向-数据挖掘-就业：否
![]()
扫二维码继续学习 二维码时效为半小时
【2737】【夏同学】
【个人情况】：本科测控技术，硕士计算机技术，目前从事水务行业，基于时间序列数据处理相关问题，有使用lightgbm进行回归预测项目的经验。数学有一定基础，python和机器学习相关基础比较好，也有一定的实践经验，深度学习基础薄弱，需要重点加强。
【学习目标】：针对未来工作中涉及到时序方面预测类项目，系统学习深度学习，增加对机器学习和深度学习算法的实践能力。
【备注】：一年
【学习方向】：数据挖掘
【是否需要就业】：否
【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」：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（根据自身能力，可跳过）
【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】：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：【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）
「第3章」：深度学习工具篇
课程名称：【9556】【Pytorch学习「自由式学习」】
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）
===============章节分割线===============
【第5阶段】：时序数据处理阶段（自然语言处理）
【监督方式】：强监督
「第1章」：模型理论基础篇
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7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8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：【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6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7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：【3020】【机器学习-音乐推荐案例实战（1，2）「自由式学习」】
课程内容：Kaggle中对数据挖掘的项目练习。
---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：【3542】【机器学习-文本主题与分类（5，6）「解锁式学习」】
课程内容：kaggle中对文本的分类项目练习。
---考核---（可选择，联系教务老师）
「第4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5章」：机器学习练习系列篇
课程名称：【19629】【2、机器学习练习-纽约出租车车费预测「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6章」：机器学习练习系列篇
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7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）
「第8章」：机器学习练习系列篇
课程名称：【30181】【回归案例_葡萄酒品质预测「解锁式学习」】
课程内容：该课程主要讲解了通过Tensorflow2.0实现回归案例_葡萄酒品质预测
---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！