【3705】

建议学习：量化金融方向，主要以时间序列预测为主。先以项目驱动式学习，后续在系统学习课程。

【学习目标】：学习编程和量化金融

【备注】：周监督的学习方式

【学习方向】：金融量化

【是否需要就业】：否

【目标就业地点】：暂无

【课程学习顺序】：以老师发的学习思路为主

（按照顺序学习即可，有问题随时跟老师联系调整）

【学员课程安排】：有任何疑问，在群里随时艾特或者ding教务老师和电话测评的老师！尽快解决，达到当前阶段没有疑问为止。

===============章节分割线===============

【第1阶段】：当前需求所需内容

【监督方式】：强监督

【序列预测类课程】

「第1章」：机器学习练习系列篇

课程名称：【19630】【3、机器学习练习-LSTM_IBM股价预测「解锁式学习」】

课程内容：该课程主要是机器学习算法上面的练习

---考核---（可选择，联系教务老师）

「第2章」：机器学习练习系列篇

课程名称：【30167】【基于LSTM单变量预测_电力消耗预测「解锁式学习」】

课程内容：该课程主要讲解了通过Tensorflow2.0实现了给予LSTM的单变量预测-电力消耗预测

---考核---（可选择，联系教务老师）

「第3章」：机器学习练习系列篇

课程名称：【19631】【4、机器学习练习-决策树、随机森林-用于流失预测「解锁式学习」】

课程内容：该课程主要是机器学习算法上面的练习

---考核---（可选择，联系教务老师）

「第4章」：机器学习练习系列篇

课程名称：【30169】【基于LSTM多变量预测_共享单车使用量预测「解锁式学习」】

课程内容：该课程主要讲解了通过Tensorflow2.0实现了给予LSTM的多变量预测-共享单车使用量预测

「第5章」：机器学习练习系列篇

课程名称：【30177】【二分类案例_银行客户流失「解锁式学习」】

课程内容：该课程主要讲解了通过Tensorflow2.0实现二分类案例银行流失预测

                    ---考核---（可选择，联系教务老师）

===============章节分割线===============

【第2阶段】：基础阶段

【监督方式】：强监督

「第1章」：编程语言篇

课程名称：【3449】【Python基础知识-pycharm版「自由式学习」】

课程内容：python基础入门知识，对于算法中需要的基础的python做了一个系统的学习。

---考核---（可选择，联系教务老师）

「第2章」：编程语言篇

课程名称：【14282】【机器学习-数据科学库（HM）「自由式学习」】

课程内容：讲解了目前主要是pandas、numpy、matpoltlib库的使用。

---考核---（可选择，联系教务老师）

「第3章」：编程语言篇

课程名称：【19638】【数据分析-项目合集「自由式学习」】

课程内容：该课程主要讲解了股票分析案例、人口数据分析案例、美国大选案例、用户数据分析案例四个例子来加深数据分析的例子

---考核---（可选择，联系教务老师）

「第4章」：数据库基础篇

课程名称：【16608】【1、数据库_Mysql_基础「自由式学习-1」】

课程内容：主要讲解了mysql数据库的使用，开发人员的基本操作。必须学习吸收，之后的数据仓库也会使用到数据库的sql语句的概念，

---考核---（可选择，联系教务老师）

===============章节分割线===============

【第3阶段】：机器学习阶段

【监督方式】：强监督

「第1章」：机器学习基础篇

课程名称：【3212】【机器学习算法基础（基础机器学习课程）「自由式学习」】

课程内容：机器学习基础算法的讲解，偏向于实现，对底层原理没有进行过多的阐述。

---考核---（可选择，联系教务老师）

「第2章」：机器学习工具篇

课程名称：【25041】【机器学习-Sklearn（第三版）「自由式学习」】

课程内容：该课程主要讲解了经典算法决策树、随机森林、特征工程数据预处理、经典算法降维算法PCA、逻辑回归、聚类算法KMeans、支持向量机SVM、线性回归、朴素贝叶斯、 XGBoost及其相关案例

---考核---（可选择，联系教务老师）

===============章节分割线===============

【第4阶段】：深度学习阶段

【监督方式】：强监督

「第1章」：深度学习基础篇

课程名称：【22697】【深度学习-【2020版】【深版】「数据挖掘-自由式学习」】

课程内容：深度学习深入知识的讲解，对神经网络等深度学习常用的算法进行了讲解

---考核---（可选择，联系教务老师）

「第2章」：深度学习工具篇

课程名称：【9556】【Pytorch学习「自由式学习」】

课程内容：深度学习中的Pytorch框架的讲解于使用。

---考核---（可选择，联系教务老师）

「第3章」：深度学习工具篇

课程名称：【9715】【深度学习-Tensorflow2.0「自由式学习」】

课程内容：深度学习中TensorFlow2.X版本的讲解与使用。

---考核---（可选择，联系教务老师）

===============章节分割线===============

【第5阶段】：金融量化阶段

【监督方式】：强监督

「第1章」：金融量化理论篇

课程名称：【9610】【量化_Python量化投资与机器学习「自由式学习」】

课程内容：待介绍

---考核---（可选择，联系教务老师）

「第2章」：金融量化理论篇

课程名称：【9613】【量化_量化交易实战迭代式的量化策略研发「自由式学习」】

课程内容：待介绍

---考核---（可选择，联系教务老师）

「第3章」：金融量化项目篇

课程名称：【4007】【机器学习与量化交易项目「自由式学习」】

课程内容：等待介绍文本

---考核---（可选择，联系教务老师）

「第4章」：金融量化项目篇

课程名称：【9614】【量化_量化交易策略编写及系统搭建「自由式学习」】

课程内容：待介绍

---考核---（可选择，联系教务老师）

===============章节分割线===============

【第6阶段】：补充相关项目阶段

【监督方式】：强监督

「第1章」：机器学习项目系列篇

课程名称：【4011】【机器学习-金融反欺诈模型训练（10）「自由式学习」】

课程内容：Kaggle中对金融风控的反欺诈模型的项目练习。

---考核---（可选择，联系教务老师）

「第2章」：机器学习练习系列篇

课程名称：【19634】【7、机器学习练习-lighGBM算法-交易欺诈检测实战「解锁式学习」】

课程内容：该课程主要是机器学习算法上面的练习

                    ---考核---（可选择，联系教务老师）

「第3章」：金融风控项目篇

课程名称：【4309】【金融数据分析「解锁式学习」】

课程内容：该课程讲解了GBDT、神经网络模型预测、贷款申请评分卡、以及违约预测等金融相关的数据挖掘

                    ---考核---（可选择，联系教务老师）

「第4章」：机器学习项目系列篇

课程名称：【3542】【机器学习-文本主题与分类（5，6）「解锁式学习」】

课程内容：kaggle中对文本的分类项目练习。

                    ---考核---（可选择，联系教务老师）

「第5章」：机器学习项目系列篇

课程名称：【25083】【PyTorch-情感分类「解锁式学习」】

课程内容：等待介绍文本

                    ---考核---（可选择，联系教务老师）

【简历辅导阶段】

写出来初版的简历，然后老师进行建议，再次修改简历。简历合格，进行模拟面试。沟通面试问题等，具体事宜，到该阶段之后联系相应的教务老师进行安排。

【时间安排】：

学员可以自主安排学习时间。具体的时间可以灵活调整。

【相关规定】：

（1）每天完成今日学习任务，提交相应的csdn或者是有道云笔记之类的链接到每日作业中。老师会进行审核，每个阶段结束，进行阶段测评，测评通过，提交老师发布的通过截图到下一个课程的第一节的阶段卡点之后，方可进行下一章内容的学习。

（2）每个章节结束，如果觉得吸收比较乱，知识点多，可以进行xmind脑图的构造一下整体的思路！

（3）项目阶段，需要录制或者文档落地针对做过的项目的自述！

（4）每天必须按计划完成任务，临时有事需在日报中说明情况即可，长期请假请联系教务老师。

（5）考核不通过需要缴费补考，50元是第一次，每次增加50元，200元封顶（此项如有疑问，可以联系教务老师进行更改）。

【参考博客】：第二天早晨八点半，会有拜师晨报提醒。当中有学生优秀博客，可以查看学生的排版

【监督相关说明】：

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。

【工作安排】：

（1）、批改作业，环境安装！还有学习过程中有不会的问题的话，艾特软件安装以及基础答疑老师！

（2）、学习过程中如果有什么问题和疑问，可以艾特答疑老师！

（3）、如果计划需要更改，可以群里艾特我和跟你电话测评沟通的老师进行沟通！

（4）、如果有什么方向上面的疑问，可以艾特相关的答疑老师和计划制定的老师！

（5）、如果不知道找哪位老师的话，或者问题比较紧急的可以艾特教务老师进行处理，或者有什么意见和建议（直接私聊教务老师）！教务老师会进行受理！