3039-武坤鹏-Python学科-数据挖掘-就业:否 扫二维码继续学习 二维码时效为半小时

(0评价)
价格: 免费

【3039】【武坤鹏】

【个人情况】:天津大学研究生,岩土工程专业,已经毕业三年以上。学过C语言,目前从事建筑方面的设计和科研工作。工作中会涉及到不同模态、不同类型的数据,需要构建数据仓库,同时需要对数据进行数据分析、处理和挖掘工作,比如对数据的预测和可视化等。

【学习目标】:工作需要学习编程和算法

【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】: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:【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3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4章」:数据库基础篇

课程名称:【16608】【1、数据库_Mysql_基础「自由式学习-1」】

课程内容:主要讲解了mysql数据库的使用,开发人员的基本操作。必须学习吸收,之后的数据仓库也会使用到数据库的sql语句的概念,

---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:【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3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4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5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6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7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)

===============章节分割线===============

【第8阶段】:kaggle项目阶段

【监督方式】:弱监督

「第1章」:kaggle比赛系列篇

课程名称:【4006】【2、Kaggle比赛系列-经济金融相关问题「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」:kaggle比赛系列篇

课程名称:【23809】【8、kaggle比赛系列-金融风控相关比赛「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3章」:kaggle比赛系列篇

课程名称:【23805】【6、kaggle比赛系列-深度学习相关比赛「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)

【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!