张同学情况：

 

1.必填项：

 

学员分类：提升工作技能

 

学习方向：量化金融方向

 

是否就业：是

 

监督方式： 弱监督学习

 

是否需要阶段考核：是

 

学习目标：学习python编程和机器学习算法，应对工作问题

 

2.学员情况自述：

 

信息计算科学和金融学双学位，目前从事金融相关工作，带了一个团队，做FOF基金领域的数据分析、数学建模等内容。工作中需要对时间序列数据做回归分析，以及时间序列数据的聚类。自学Python一个多月，有一些python的基础，但还是需要从头学习。数学基础有些遗忘，需要配置，逐步回忆。对基础的机器学习算法有所了解，比如LR的原理推导等。学习主动性较强。希望前期能够学习时间序列相关的数据分析方法和算法建模，然后再逐步从头开始学习量化金融分析，用python建模量化策略，进行回测分析。学习方式主要是弱监督学习，学习计划配置上之后，中间课程可以随学员需求调整学习顺序。

 

 

 

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

 

2，语言基础

 

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

 

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（时间序列回归、聚类算法重点学习）

 

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

 

第1阶段：深度学习基础（LSTM，RNN时间序列模型重点学习）

 

包括：深度学习的基础算法BPNN，CNN，RNN，LSTM

 

第2阶段：tensorflow深度学习实战

 

包括：tf深度学习实战

 

5.python数据挖掘课程：

 

第1阶段：金融数据分析项目

 

包括：金融评分卡

 

第2阶段：python金融量化分析课程

 

包括：量化分析课程（量化策略，回测重点学习）

 

第3阶段：kaggle实战

 

包括：kaggle金融反欺诈3045

 

第4阶段：kaggle数据分析课程

 

包括：kaggle经济金融相关问题3044

 

6.NLP项目阶段课程：（NLP部分扩展学习）

 

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）

 

第4阶段：kaggle的nlp基础处理方法项目

 

时间安排：

 

学员可以自主安排学习时间

 

每天提交xmind复习笔记和博客笔记。同时每天学习整理知识点，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