【2847】【王一晗】

【个人情况】：电子信息专业研一下，本科软件工程，希望在研二开学前学完理论，毕业论文及就业均为推荐算法方向。概率论和统计相关基础需要加强，编程有C和java的理论基础，实战经验比较少；机器学习,深度学习几乎零基础。每天学习时间2小时左右

【学习目标】：针对推荐算法方向，系统学习python+机器学习+深度学习，在九月份之前把相关知识过一遍。

【备注】：一年，python阶段和机器学习阶段同时开

【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】：自由

「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：【3434】【Python基础知识-pycharm版「解锁式学习」】

课程内容：python基础入门知识，对于算法中需要的基础的python做了一个系统的学习。

                    ---考核---（可选择，联系教务老师）

「第2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3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4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5章」：操作系统篇

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】：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：【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）

===============章节分割线===============

【第5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3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4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5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】：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：【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2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3章」：推荐系统项目实践篇

课程名称：【1811】【2、头条NLP推荐系统项目「解锁式学习」】

课程内容：该课程主要讲解了文章推荐系统的整体的实现，其中通过对召回层、算法实现等的讲解，完成了整个文章推荐系统的视线，并且实现了调用。

                    ---考核---（可选择，联系教务老师）

「第4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）

「第5章」：推荐系统项目实践篇

课程名称：【28566】【推荐系统-电影推荐系统「自由式学习」】

课程内容：该课程主要讲解了推荐系统的简介、IMDB评分、基于内容推荐、协同过滤算法、criteo ctr、FM&FFM、WIDE&Depp、DeepFM等知识点

                    ---考核---（可选择，联系教务老师）

「第6章」：推荐系统项目实践篇

课程名称：【3335】【2、大数据技术之机器学习和推荐系统-电影推荐项目「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，通过了对电影数据的分析，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，并且进行测试。

                    ---考核---（可选择，联系教务老师）

+++++++++下面4章在后续找实习和找工作之前看即可++++++

「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：【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）

「第3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4章」：推荐系统前置框架篇

课程名称：【28】【Spark---SQL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sparkSQL理论知识，可以快速学习，为大数据推荐系统做准备。还阶段使用到了SQL语句。

                    ---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：【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：【19632】【5、机器学习练习- 聚类算法kmeans和MeanShift-聚类消费者画像分析项目「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4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：【23806】【7、kaggle比赛系列-推荐系统相关比赛「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）

「第3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！