【2848】【张源】

【个人情况】：临床医学专业博士，需要做生物信息学分析（测序），目前针对相关paper的具体原理和实践需要加强，有后续深造计划。数学基础比较薄弱，有R相关的基础，python基础薄弱，机器学习和深度学习几乎零基础。每周学习时间三天*2小时

【学习目标】：系统提升算法模型理论理解能力与模型实践能力，在生物信息学分析领域深造

【备注】：试学

【学习方向】：数据挖掘

【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：【20010】【机器学习中的数学基础-53集「自由式学习」】

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：【3449】【Python基础知识-pycharm版「自由式学习」】

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：【721】【Python数据结构与算法「自由式学习」】

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：【14282】【机器学习-数据科学库（HM）「自由式学习」】

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：【1243】【Linux零基础课程「自由式学习」】

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：【3212】【机器学习算法基础（基础机器学习课程）「自由式学习」】

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：【725】【机器学习---算法进阶「自由式学习」】

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：【25041】【机器学习-Sklearn（第三版）「自由式学习」】

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：【22697】【深度学习-【2020版】【深版】「数据挖掘-自由式学习」】

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：【3210】【TensorFlow深度学习（第二版更新TF）-1「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」：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】：时间序列分析模型（参考自然语言处理）

【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4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）

「第6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）



===============章节分割线===============

【第6阶段】：说明课程

【监督方式】：弱监督

「第1章」：基础和方向的分割阶段

课程名称：【16578】【说明课程（基础知识与项目衔接说明课程）「自由式学习」】

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：【4310】【金融数据分析「自由式学习」】

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：【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3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4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5章」：机器学习练习系列篇

课程名称：【30167】【基于LSTM单变量预测_电力消耗预测「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的单变量预测-电力消耗预测

                    ---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：【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）







【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！