【2966】【杨琪】

【个人情况】：贵州大学，2019年毕业，本科研究生都是计算机，目前在政府部门工作，事业编。时间比较充裕，目前需要学习Python编程、web、和数据挖掘的内容，对未来工作会有帮助。有编程基础。

【学习目标】：学习编程和算法

【备注】：

【学习方向】：数据挖掘

【是否需要就业】：否

【目标就业地点】：其他城市

【课程学习顺序】：以老师发的学习思路为主

（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」：高数基础篇

课程名称：【749】【1、高数基础---人工智能AI数学基础(完全0基础数学)「自由式学习」】

课程内容：高数的系统知识学习，不建议从头到尾观看。浪费时间，可以通过数学加强课程中的数学知识，针对性复习。

---考核---（可选择，联系教务老师）

「第2章」：概率基础篇

课程名称：【752】【2、概率基础---人工智能AI数学基础(完全0基础数学)「自由式学习」】

课程内容：概率的系统知识学习，不建议从头到尾观看。浪费时间，可以通过数学加强课程中的数学知识，针对性复习。

---考核---（可选择，联系教务老师）

「第3章」：统计基础篇

课程名称：【753】【3、统计基础---人工智能AI数学基础(完全0基础数学)「自由式学习」】

课程内容：统计的系统知识学习，不建议从头到尾观看。浪费时间，可以通过数学加强课程中的数学知识，针对性复习。

---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：【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」：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3章」：框架学习

课程名称：Django框架的学习

课程内容：Django框架学习以及项目实战

---考核---（可选择，联系教务老师）

「第4章」：框架学习

课程名称：flask框架学习

课程内容：flask的安装和使用。

---考核---（可选择，联系教务老师）

===============章节分割线===============

【第3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4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：【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5阶段】：深度学习阶段

【监督方式】：弱监督

「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：【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）

「第3章」：深度学习工具篇

课程名称：【9715】【深度学习-Tensorflow2.0「自由式学习」】

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】：金融风控阶段

【监督方式】：弱监督

「第1章」：金融风控项目篇

课程名称：【21291】【金融风控实战「自由式学习」】

课程内容：等待介绍文本

---考核---（可选择，联系教务老师）

「第2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）

===============章节分割线===============

【第8阶段】：AI项目合集阶段

【监督方式】：弱监督

「第1章」：机器学习项目系列篇

课程名称：【4011】【机器学习-金融反欺诈模型训练（10）「自由式学习」】

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」：机器学习项目系列篇

课程名称：【19641】【3、机器学习练习-LSTM_IBM股价预测「自由式学习」】

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」：机器学习项目系列篇

课程名称：【19651】【6、机器学习练习-信用卡交易欺诈数据监测「自由式学习」】

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）

【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！