孙XX#测试情况
研究生，北京某更高校，两年制研究生，推荐系统和自然语言处理，2021年7月毕业，希望加快进度学习，有java基础，电脑配置还行。有数学基础，底子不错。
选择方向：推荐系统结合NLP方向
学习目标：学习机器学习算法和数据挖掘课程，方向为推荐系统与NLP结合方向。
注意：学习主要是解决推荐系统与NLP问题。
#核心：推荐系统算法方向。
计划确定后：3月27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，两个核心推荐系统项目，其中一个和nlp紧密结合。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：有java编程基础，后续大数据学习直接可以进行无需重新学习java，没有py基础，注重过程监控。
2.数学课程部分设置为弱监督方式，其他设置为强监督方式。因为要实习就业，该学员学过数据结构，重新加强。因为转行工作需要。
3.学习为了能够在导师制定的方向有所突破，未来可能会找这方面工作。注册一个博客园博客(记录代码)，Xmind(思维导图)。
4.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。
5.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1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2阶段：python基础（有基础课程）
包括：完全零基础。
第3阶段：python数据结构
包括：加强py
第4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1阶段：机器学习数学基础加强。
包括：高数，概率，线代加强
第2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3阶段：机器学习进阶
包括：分类算法，聚类算法，回归算法，HMM
第4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1阶段：深度学习基础
包括：深度学习的基础算法
第2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3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。

推荐系统阶段：
第1阶段：项目前置基础知识
包括：spark基础，hbase基础（给出）
第2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3阶段：大数据NLP推荐系统实战
包括：NLP推荐召回排序算法
第4阶段：kaggle的大数据挖掘实战
包括：选择好的一部分kaggle案例

自然语言处理阶段：
第1阶段：NLP人工智能（第一部分）
第2阶段：NLP人工智能（第二部分）
第3阶段：NLP人工智能（第三部分）
第4阶段：下一步方向指导。

教学目标：推荐结合NLP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