刘同学，电气工程硕士，概率论加强下，python零基础加强，目标：巩固科研数据挖掘技术，之前没有了解过算法。

学习目标：学习机器学习算法和数据挖掘课程，方向为数据挖掘方向，注意：学习主要是提高机器学习解决问题。目标为提升提高。
#核心：算法能力零基础提升，数据挖掘方向。

1，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。特别是机器学习和深度学习能力的提升。在未来科研中需要该模块技术。
2，学员情况自述：
1.学员情况：没有python编程基础，需要从基础强化，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，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：
1，数学基础课程：（弱监督）
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（全部强监督）
第1阶段：python基础
包括：python语法，面向对象部分
第2阶段：python高级数据结构
包括：树，图，数据结构基础
第2阶段：mysql基础加强
包括：数据库基础，python操作mysql
第3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
实战课程#
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
实战课程#
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

5，大数据挖掘提升阶段（包含项目强监督）
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

数据结构提升：
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