金XX：
北京某高校计算机专业，目前大四，港大cs专业准备，方向为计算金融，具备计算机基础，大学基础扎实，数学重新巩固，python重新开始学习，加强数据结构刷题，方向设置为金融数据分析和大数据挖掘。
首先发一个数学文档，只看重点知识，Python开始，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，增加大数据处理问解决方案题和金融数据分析方向。
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，目前融合推荐算法和金融方向。注意：学习主要是提高机器学习解决就业问题。目标为未来就业。
#核心：算法零基础提升，数据挖掘方向。
计划确定后：
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，增加大数据处理拓展。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：没有python编程基础，重新加强。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。
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，增加大数据分析和推荐方面分析能力，掌握常见的数据科学处理思路。
3.时间：因为时间足够，尽可能有抽时间学习不足之处，学习一天视频学习不超过3个小时，其余时间写代码总结。一周提交一次阶段xmind，建议数学弱监督学习。其他为强监督。

学员课程安排：
1，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（基础课程开始）
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刷题
包括：刷题能力提高
第4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。
金融分析阶段：
第1阶段：金融数据分析课程
包括：前置知识
第2阶段: 项目项目实践1个月
包括：项目实战：金融风控评分卡模型
第3阶段：kaggle实战
包括：选择好的一部分kaggle案例

推荐算法提升：
第1阶段：linux基础
包括：基础命令
第2阶段：mysql基础
包括：数据库基础
第3阶段：大数据文章推荐前置课程
包括：spark基础，pyspark
第4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5阶段：大数据电商推荐系统
包括：大数据推荐系统
第6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