孙同学测评情况：

 

1.必填项：

 

学员分类：学习算法做课题

 

学习方向：机器学习NLP方向

 

是否就业：否

 

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，应对科研课题

 

2.学员情况自述：

 

目前在丹麦读生物信息方向博士。学习机器学习为了做基因组方向的课题研究。数学有基础，但是遗忘较多，需要重新复习。了解基本的Python编程和模型调用构建等，但是用编程的方式解决实际问题的能力需要学习提高，当前已经尝试用随机森林模型做相关的数据分类。学习方式采用弱监督学习。希望前期已机器学习为主，后期加入深度学习方向的课程。可能学习过程中，会有课题相关具体的问题，可以提出来，老师帮助一起思考解决方案。

 

 

 

学员课程安排：

 

1.数学基础课程

 

第1阶段：高等数学

 

第2阶段：线性代数

 

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数据结构

 

包括数据结构常用算法

 

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: 机器学习基础

 

包括：机器学习算法理论基础，基础核心算法

 

第2阶段：机器学习进阶

 

包括：分类算法，聚类算法，回归算法，HMM

 

第3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

 

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

 

5.python数据挖掘课程

 

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

 

6.NLP课程项目提升

 

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

 

(备注：如后续有时间精力，可配置其他方面数据挖掘课程）

 

 

 

时间安排：

 

学员每天提交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