文章老师测试

 

陈雨茗测试情况分析：

计划确定后：12号晚上再次沟通

1，大数据分析和挖掘基础测试：

陈雨茗#测评情况：

1，必填项：

学员分类：大数据分析挖掘基础提高

学习方向：数据分析和挖掘

是否就业：否

监督方式： 除了数学均为强监督

是否需要阶段考核：是

是否需要数据结构：是

学习目标：机器学习和深度学习零基础提升，数据分析和数据挖掘基础提高。目前研究生一年级，人工智能提高需求。

2，学员情况自述：

1.学员情况：研究生，澳门科技大学，会记学，硕士一年级，数学有基础，可能缺乏对关键概念的理解，寒假抽3天时间自己需要独立加强数学部分，编程思维需要从0基础加强，没有了解过机器学习。

2.具体目标：能够通过学习提高自己的编程和机器学习处理问题能力，补充数学方面的不足，具备常见的sql分析能力，增加大数据分析数据分析能力，掌握常见的数据科学处理思路。

3.时间：因为上学，目前处于研究生寒假阶段，这几天一天视频学习不超过三个小时，其余时间总结。去了学校后建议一周至少学习三天，只要学习就提交博客和阶段xmind，建议数学弱监督学习。其他为强监督。

 

学员课程安排：

1，语言基础课程：

第零阶段：数学课程（弱监督方式）

包括：线性代数，概率论，高等数学，统计学

数学课程作为弱监督，配合文档重点看。

第一阶段：python基础（课程零基础）

包括：完全零基础。

第二阶段：mysql基础

包括：python基础能力提高，数据结构必备

增加阶段：linux基础

包括：掌握常用命令，会用linux系统

第三阶段：数据科学库基础：分析和可视化

包括：numpy，pandas，matplotlib

2，机器学习阶段：

第四阶段：机器学习数学基础加强。

包括：高数，概率，线代加强

第五阶段: 机器学习基础

包括：机器学习算法理论基础，基础核心算法

第六阶段：机器学习进阶

包括：分类算法，聚类算法，回归算法，HMM

第七阶段：sklearn机器学习实战

包括：特征工程，建模代码实战

机器学习项目阶段: kaggle数据挖掘案例实战

包括：常见数据挖掘问题解决方案

3，深度学习阶段

第八阶段：深度学习基础

包括：深度学习的基础算法

第九阶段：tensorflow深度学习技术实战

包括：tf深度学习，常见的深度学习解决方案

增加pytorch课程：

包括：深度学习库加强实战

4，项目阶段：

第十阶段：大数据离线技术部分

包括：hadoop，hive

第十一阶段：离线数据分析项目

包括：hive数据分析项目实战

第十二阶段：大数据实时项目前置基础知识

包括：，spark基础，hbase基础

第十三阶段：大数据电商推荐系统实战

包括：电商推荐召回排序算法

第十四阶段：kaggle的大数据挖掘实战

包括：选择好的一部分kaggle案例

第十五阶段：下一步方向指导。后期帮助完成实习简历指导

注意：根据学员情况，项目阶段之前进行两次沟通指导。

 

教学目标：数据分析和数据挖掘能力基础提升。

 

时间安排：

学员可以自主安排学习时间，过年还有20天尽快抓紧学习。

每天提交xmind复习笔记和博客笔记。同时每周空余时间整理知识点，整理笔记到博客，可以选择博客园博客。将重点知识点录屏自己讲出来(学习方式中吸收最好的方式是给别人讲出来)，并提交作业。

 

相关规定：每天必须按计划完成任务，否则将停发学习任务，临时有事需请假。考核不通过需要缴费补考。

参考博客：https://blog.csdn.net/Andrew___A/article/details/101096331

相关解释：

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