986-李同学-算法方向-数据分析和挖掘-就业：是
986-李同学-算法方向-数据分析和挖掘-就业：是
![]()
扫二维码继续学习 二维码时效为半小时
李XX：
个人情况：北京某研究院，电子学设计 ，在职读博 常用的技术点，常用的数学公式，光谱数据和医疗数据结合，以数据挖掘为主扩展计算机视觉，梳理Kaggle的，未来的大数据分析，因为意愿可能会用的到这种大数据分析。当前首先以数据挖掘+计算机视觉。注册一个博客园博客(记录代码)，Xmind(思维导图)。首先入门
学习目标：学习机器学习算法和数据挖掘课程，方向为数据挖掘与视觉结合方向。
注意：学习主要是提高py编程能力和机器学习解决一些问题。
#核心：编程能力提升，算法方向。
计划确定后：3月17号晚上再次沟通
1，大数据挖掘基础测试：
#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
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，增加计算机视觉拓展。特别是py编程能力的提升。在未来使用中可能需要该模块技术。
2，学员情况自述：
1.学员情况：没有足够的python编程基础，需要py老师提供重点内容重点解释。遍学习数学遍学习python，编程思维需要从0基础加强，缺乏系统性，了解过机器学习，不够系统。
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，增加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：因为有编程基础，尽可能有足够的练习时间，学习一天视频学习不超过三个小时，其余时间写代码总结。如果以后上课建议一周至少学习四天，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：
第一阶段：数学课程（弱监督方式）
结合文档学习
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。
第二阶段：python基础（完全课程零基础）
包括：完全零基础。
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
增加金融风控评分卡模型项目
包括：金融项目评分卡模型。
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
第十阶段：tensorflow2.x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
第十一阶段：pytorch课程
包括：深度学习库加强实战
4，项目提升阶段：
注意：根据学员情况，项目阶段之前进行两次沟通指导。
计算机视觉：
第十二阶段：opencv图像处理基础知识
包括：图像处理基础知识
第十三阶段：计算机图像处理基础实战。
包括：图像识别，目标检测
第十四阶段：微信小程序人脸识别项目实战
包括：人脸识别项目
第十五阶段：kaggle图像识别项目自选
包括：kaggle常见问题分析场景
大数据挖掘：
第十二阶段：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
第十三阶段：大数据NLP推荐系统实战
包括：NLP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。
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。