1019-陈同学-算法方向-大数据挖掘方向-就业：是
1019-陈同学-算法方向-大数据挖掘方向-就业：是
![]()
扫二维码继续学习 二维码时效为半小时
陈XX：
硕士，XXX大学研一，两年制，未来寻求国内好的方向，建议从数据挖掘(机器学习+深度学习)+大数据(数据采集+大数据分析)入手，扩展自然语言处理(基于文章推荐)。未来NLP方向。首先发一个数学文档，只看重点知识，Python开始，设置mysql的基础，数据科学库进阶，机器学习，深度学习，数据挖掘问题处理，大数据分析，大数据推荐，NLP文章推荐，常见NLP处理问题。
学习目标：学习机器学习算法和数据挖掘课程，方向为大数据挖掘方向，扩展NLP就业，注意：学习主要是提高机器学习解决就业问题。目标为工作就业，提升提高。
#核心：算法能力零基础提升，数据挖掘方向。
计划确定后：4月2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，增加自然语言处理处理拓展。特别是机器学习和深度学习能力的提升。在未来工作使用中需要该模块技术。
2，学员情况自述：
1.学员情况：有python编程基础，直接考试py。需要增加数据结构刷题，缺乏系统性，机器学习方面需要系统。学员也觉得刷题魅族特别好的思路。
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，增加大数据分析和nlp数据分析能力，掌握常见的数据科学处理思路。
3.时间：因为目前有编程基础，尽可能有足够时间学习不足之处，学习一天视频学习不超过3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2到4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：
学员课程安排：
1，数学基础课程：
第1阶段：线性代数
第2阶段：高等数学
第3阶段：概率论
第4阶段：统计学
注意：提供文档和视频，如果文档看不懂，可以看视频。
2，语言基础（全部弱监督）
第1阶段：python基础～直接考核～3月28号
包括：python语法，面向对象部分
第2阶段：python数据结构加强
包括：python基础能力提高
第3阶段：leetcode初步
包括：学会刷力扣题目
第4阶段：mysql基础加强
包括：数据库基础
第5阶段：数据科学库基础
包括：numpy，pandas，matplotlib
3，机器学习阶段：（重点课程，强监督）
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
3，深度学习阶段（重点课程，强监督）
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深度学习实战
第3阶段：pytorch深度学习实战
包括：pytorch深度学习实战
4，项目提升阶段：
注意：根据情况，项目之前进行两次沟通指导。
nlp项目技能提升：
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）
增加：nlp常见问题kaggle方案
大数据分析提升：
第1阶段：大数据文章推荐前置课程
包括：spark基础，pyspark
第2阶段：大数据文章推荐系统实战（扩展）
包括：电商推荐召回排序算法
第3阶段：kaggle数据挖掘实战(4个相关项目加强数据挖掘处理能力)
包括：选择好的一部分kaggle案例
第1阶段：下一步方向指导。简历指导
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