1047-Claire-算法方向-金融数据分析方向-就业:否 扫二维码继续学习 二维码时效为半小时

(0评价)
价格: 免费

xxx国外大学,金融数据分析,目前大一,需要学习数学课程。
#学习目标重申:机器学习深度学习零基础提升和强化。帮助到自己打基础和拓展技能。通过数据挖掘结合金融数据分析,设置方向。把数据挖掘建立知识体系。
注意:课程时长一年,有数学基础
目前:打好机器学习和深度学习基础,科研
#金融数据方向零基础提高
1,必填项:
学员分类:金融数据分析方向
学习方向:金融数据分析
是否就业:否
监督方式: 全部阶段设置为强监督
是否需要阶段考核:是
学习目标:零基础学习深度学习与机器学习,数据挖掘提高内部职位目的。注意:目前主要打好机器学习基础,数据挖掘基础为主。解决数据挖掘问题。
1.该学员有高数线代概率基础,但是需要重新加强,机器学习没有接触过,重新开始加强。需要就业。
2.希望能够通过学习从基础完成机器学习基础等问题,能够应对数据挖掘+金融数据分析项目案例入手。
3.python从零基础开始学习,然后学习numpy,pandas数据科学库学习。建议基础阶段采用强监督学习,每天只要学习需要提交博客,每个阶段提交xmind,加强阶段和项目阶段强监督学习。

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:数据科学库基础
包括:numpy,pandas,matplotlib
第3阶段:linux
包括:技术提升
第4阶段:mysql
包括:数据库技术

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

4,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

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。

python数据挖掘分析课程:
第1阶段:kaggle数据分析课程1
包括:电商ctr预估2959
第2阶段:kaggle数据分析课程1
包括:kaggle音乐推荐2954
第3阶段:kaggle实战
包括:kaggle反欺诈3045
第4阶段:kaggle数据分析课程
包括:kaggle经济金融相关问题3044

数据分析阶段:
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
第4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