李树杉测评情况：
1，必填项：
学员分类：数据挖掘方向工作求职
学习方向：数据挖掘（大数据机器学习、推荐系统相关）
是否就业：是
监督方式： 前期强监督，后面视情况调整
是否需要阶段考核：是
是否需要数据结构：否
学习目标：为了转数据挖掘方向的工作，就业
2，学员情况自述：
1.学员情况：硕士毕业4年(16.3)，工科，目前从事Android开发，有较好的编码基础，自学过python和基础的机器学习算法，基础也比较好。20*15---->20*15，自学python机器学习半年
2.具体目标：能够找一个合适的切入点，转到数据挖掘和算法方向的工作上来，希望偏工程实现类算法领域。
3.时间：目前在职，但是会抽时间学习。
同时测评过程感觉到学员的学习劲头、自学能力都比较好。

学员课程安排：
1，语言基础课程：
第零阶段：数学课程
包括：线性代数，概率论，高等数学，统计学
数学课程作为弱监督，需要时候再看。
第一阶段：python基础
包括：python语法，面向对象部分
第二阶段：python数据结构加强
包括：python基础能力提高
第三阶段：leetcode视频(注重思路)
包括：算法刷题
第三阶段：数据科学库基础
包括：numpy(重点)，pandas(重点)，matplotlib
2，机器学习阶段：
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(逻辑回归推导、朴素贝叶斯、Adaboost推导、GBDT、XGBOOST推导)
包括：机器学习算法理论基础，基础核心算法
建议看书：统计学习方法--监督学习部分
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(了解)、CRF(了解)、EM算法(了解)、LDA分析(了解)
第七阶段：Sklearn机器学习实战+XGBOOST库实战+LightGBM库实战
包括：特征工程，建模代码实战-(XGBOOST库实战+LightGBM库实战)
3，深度学习阶段
第八阶段：深度学习基础(重点掌握)
包括：深度学习的基础算法
第九阶段：tensorflow深度学习技术实战(会用)
包括：tf深度学习实战
第十阶段：pytorch深度学习实战（会用）
包括：pytorch深度学习实战
4，项目阶段：
第十一阶段：大数据挖掘项目前置基础知识
包括：hadoop(HDFS存储-了解MR原理)，spark基础(完整)，hbase基础(nosql---存储查询数据)
增加阶段：SparkMllib机器学习库实战
第十二阶段: 大数据用户画像实践1个月
包括：大数据用户画像推荐算法
第十三阶段: 大数据电商推荐项目实践1个月
包括：大数据电商推荐算法
第十四阶段: 大数据推荐项目实践1个月
包括：大数据文章推荐算法
第十五阶段：kaggle的大数据挖掘实战
包括：选择好的一部分kaggle案例
第十六阶段：下一步方向指导。


教学目标：算法基础基础拓展。

时间安排：
前期按强监督，每日学习两个小时并提交作业。
中后期视情况，学员可以自主安排学习时间。

每天提交xmind复习笔记和博客笔记。同时每周三日，整理知识点，整理笔记到博客，可以选择博客园博客。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。

相关解释：
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。