宸宇：电话测评
美国华盛顿城市大学在读硕士，工科相关专业，目前具有数学基础，python基础，但是缺乏系统性。学习目标：通过学习接触机器学习方向，能够在国内找到这方面工作，同时提高学习能力，能够给予就业项目支持。
计划确定后：20号晚上再次沟通，电话回访
1，大数据挖掘基础测试：
李宸宇#测评情况：
1，必填项：
学员分类：大数据挖掘零基础提高
学习方向：数据分析和挖掘
是否就业：是（实习就业）
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，数据挖掘基础提高。目前研究生一年级，学习为了提高机器学习方面技能，在未来就业可能需要该模块技术。
2，学员情况自述：
1.学员情况：研究生，硕士一年级，数学有基础，可能缺乏对关键概念的理解，遗忘较多，需要抽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，缺乏系统性，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，学习一天视频学习不超过三个小时，其余时间总结。如果有课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（完全课程零基础）
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（就业基础）
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（CZ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（XX提高）
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：机器学习与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，这段时间尽快抓紧学习。
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。