【3011】【王子瀚】

【个人情况】：计科专业研0，9月研一开学，针对推荐算法方向，提升论文阅读能力，以及算法模型实践能力。有python和C++基础，但没有项目实践经验，机器学习和深度学习有比较粗浅的基础，需要系统学习及加强实践

【学习目标】：提升推荐算法相关基础，提升论文阅读能力与项目实践能力。

学习顺序根据学生需求可以再次调整

【备注】：9.9试学

【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】：推荐系统阶段

【监督方式】：强监督

「第1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2章」：推荐算法论文及对应复现

DSSM, ESIM, DIN, DEIN, AutoDis等

论文地址：https://arxiv.org/abs/1706.06978等

代码地址：对应github，学习到此阶段，联系remi老师

该部分论文涉及到深度学习，自然语言处理里如attention等知识，如理解困难，直接跳到对应位置

「第3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4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5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6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）

 

 

===============章节分割线===============

【第2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3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）

「第2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4阶段】：机器学习阶段

【监督方式】：强监督

「第1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5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：【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）

「第3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）

 

===============章节分割线===============

【第6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）

 

===============章节分割线===============

【第7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8阶段】：推荐系统工程使用阶段

【监督方式】：强监督

后续针对学生就业需求，增加spark,hadoop等课程。

 

===============章节分割线===============

【第9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：【19631】【4、机器学习练习-决策树、随机森林-用于流失预测「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：【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4章」：机器学习练习系列篇

课程名称：【30177】【二分类案例_银行客户流失「解锁式学习」】

课程内容：该课程主要讲解了通过Tensorflow2.0实现二分类案例银行流失预测

                    ---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！