1456-张同学-算法方向-推荐系统-就业:是 已关闭

1456-张同学-算法方向-推荐系统-就业:是 扫二维码继续学习 二维码时效为半小时

(0评价)
价格: 免费

【1456】【张无忌】

【个人情况】:浙江大学研究生毕业,通信工程,2020年4月毕业。目前在做视频方向的算法工程师,但是工作涉及的是传统算法,没有机器学习和深度学习的应用。python编程有一定的基础,数学需要回顾性学习。学习主要是想提高机器学习深度学习方向的算法技术,为以后换工作做准备。

【学习目标】:提高算法技术找工作

【备注】:目前工作日能保证2-2.6个小时,周末能保证6个小时以上学习时间。

【学习方向】:推荐系统方向

【是否需要就业】:是

【目标就业地点】:一线城市

【课程学习顺序】:如学生有特殊要求,比如需要紧急完成论文,学习哪个阶段的内容。可以在该阶段下写上需要先学习的内容(可以按照阶段前面的数字进行标号)。方便学生和复审老师明确学习顺序。

(按照顺序学习即可,有问题随时跟老师联系调整)

【学员课程安排】:有任何疑问,在群里随时艾特或者ding教务老师和电话测评的老师!尽快解决,达到当前阶段没有疑问为止。

===============章节分割线===============

【第1阶段】:数学阶段

【监督方式】:弱监督

「第1章」:数学基础

课程名称:【710】【1、高数基础---人工智能AI数学基础(完全0基础数学)】

课程内容:高数的系统知识学习,不建议从头到尾观看。浪费时间,可以通过数学加强课程中的数学知识,针对性复习。

---考核---(可选择,联系教务老师)

「第2章」:数学基础

课程名称:【709】【2、概率基础---人工智能AI数学基础(完全0基础数学)】

课程内容:概率的系统知识学习,不建议从头到尾观看。浪费时间,可以通过数学加强课程中的数学知识,针对性复习。

---考核---(可选择,联系教务老师)

「第3章」:数学基础

课程名称:【683】【3、统计基础---人工智能AI数学基础(完全0基础数学)】

课程内容:统计的系统知识学习,不建议从头到尾观看。浪费时间,可以通过数学加强课程中的数学知识,针对性复习。

---考核---(可选择,联系教务老师)

===============章节分割线===============

【第2阶段】:编程阶段

【监督方式】:强监督

「第1章」:Python基础

课程名称:【3350】【Python基础知识-pycharm版】

课程内容:python基础入门知识,对于算法中需要的基础的python做了一个系统的学习。

---考核---(可选择,联系教务老师)

「第2章」:数据结构基础

课程名称:【34】【Python数据结构与算法】

课程内容:数据结构入门,主要讲解了堆、栈、链表、快排、二分、树等数据结构与算法,课程末尾将会提供leetcode刷题教程,请需要就业的徒弟务必重视练习。

---考核---(可选择,联系教务老师)

「第3章」:数据科学库基础

课程名称:【30】【机器学习---数据科学包】

课程内容:讲解了目前主要是pandas、numpy、matpoltlib库的使用。

---考核---(可选择,联系教务老师)

「第4章」:MySQL基础

课程名称:【8】【MySQL】

课程内容:主要讲解了mysql数据库的使用,开发人员的基本操作。如果时间充足,可以系统学习,如果想要快速进入算法,可以跳过,不影响接下来的算法学习。

---考核---(可选择,联系教务老师)

「第5章」:Linux基础

课程名称:【14】【Linux】

课程内容:主要讲解了linux数据库的使用,开发人员的基本操作。如果时间充足,可以系统学习,如果想要快速进入算法,可以跳过,不影响接下来的算法学习。但是在进入项目阶段之前必须进行学习。

---考核---(可选择,联系教务老师)

「第6章」:Git基础

课程名称:【2157】【Git】

课程内容:主要讲解git工具的使用,在入职之前进行学习也可以,不影响算法阶段学习。开发人员的基本操作

---考核---(可选择,联系教务老师)

===============章节分割线===============

【第3阶段】:机器学习阶段

【监督方式】:强监督

「第1章」:数学加强

课程名称:【29】【机器学习---数学基础加强】

课程内容:对机器学习常用的算法做了一个概览,偏难,如果有不会的,可以回到第一阶段中的数学课程中进行学习。

---考核---(可选择,联系教务老师)

「第2章」:机器学习基础

课程名称:【3142】【机器学习算法基础(基础机器学习课程)】

课程内容:机器学习基础算法的讲解,偏向于实现,对底层原理没有进行过多的阐述。

---考核---(可选择,联系教务老师)

「第3章」:机器学习进阶

课程名称:【31】【机器学习---算法加强】

课程内容:对机器学习深入的讲解,利用了大量的数学公式进行推导,足以应对工厂面试过程中问到的算法的底层远离的实现。比较难理解,需要多次吸收强化。如对该课程有不适应,请及时跟教务老师联系。

---考核---(可选择,联系教务老师)

「第4章」:机器学习框架

课程名称:【4168】【机器学习-Sklearn课程--V2】

课程内容:机器学习中的一个框架的学习,偏向于练习。

---考核---(可选择,联系教务老师)

===============章节分割线===============

【第4阶段】:深度学习阶段

【监督方式】:强监督

「第1章」:深度学习基础

课程名称:【9053】【深度学习-【2017版】【简版】】

课程内容:深度学习基础知识的讲解,对神经网络等深度学习常用的算法进行了讲解

---考核---(可选择,联系教务老师)

「第2章」:深度学习进阶

课程名称:【9054】【深度学习-【2020版】【深版】】

课程内容:深度学习深入知识的讲解,对神经网络等深度学习常用的算法进行了讲解

---考核---(可选择,联系教务老师)

「第3章」:深度学习框架

课程名称:【3196】【TensorFlow深度学习(第二版更新TF)-2】

课程内容:深度学习中的TensorFlow框架的讲解于使用。

---考核---(可选择,联系教务老师)

「第4章」:深度学习框架

课程名称:【9395】【Pytorch】

课程内容:深度学习中的Pytorch框架的讲解于使用。

---考核---(可选择,联系教务老师)

「第5章」:深度学习框架

课程名称:【9458】【深度学习-Tensorflow2.0】

课程内容:深度学习中TensorFlow2.X版本的讲解与使用。

---考核---(可选择,联系教务老师)

===============章节分割线===============

【第5阶段】:辅助阶段

【监督方式】:强监督

「第1章」:辅助课程

课程名称:【3173】【说明课程(基础知识与项目衔接说明课程)】

课程内容:项目阶段与基础阶段的分界点,在该课程之前为基础阶段,之后为项目阶段,如需更改方向,请在该阶段在群里与老师沟通。

---考核---(可选择,联系教务老师)

===============章节分割线===============

【第6阶段】:推荐方向阶段

【监督方式】:弱监督

「第1章」:推荐方向前置知识阶段

课程名称:【4】【Hadoop视频】

课程内容:hadoop精简版课程,主要用于大数据推荐方向的学生了解常用的HDFS存储等知识。建议只需要了解,不用实操,其中hiveSQL语句可以重点学习一下。

---考核---(可选择,联系教务老师)

「第2章」:推荐方向前置知识阶段

课程名称:【25】【Spark---Scala课程】

课程内容:该课程主要讲解sprak框架使用的Scala语言,了解一下即可。可以快速学习,为大数据推荐系统做准备。

---考核---(可选择,联系教务老师)

「第3章」:推荐方向前置知识阶段

课程名称:【24】【Spark---Core课程】

课程内容:Sprak基础阶段理论学习,主要讲解了spark核心理论知识,可以快速学习,为大数据推荐系统做准备。

---考核---(可选择,联系教务老师)

「第4章」:推荐方向前置知识阶段

课程名称:【26】【Spark---SQL课程】

课程内容:Sprak基础阶段理论学习,主要讲解了sparkSQL理论知识,可以快速学习,为大数据推荐系统做准备。还阶段使用到了SQL语句。

---考核---(可选择,联系教务老师)

===============章节分割线===============

【第7阶段】:推荐方向阶段

【监督方式】:强监督

「第1章」:推荐方向算法理论阶段

课程名称:【3258】【1、大数据技术之机器学习和推荐系统-理论】

课程内容:该课程主要讲解了大数据推荐架构中常用的算法的实现和学习K近邻、逻辑回归、决策树等知识的讲解。重点学习的课程。

---考核---(可选择,联系教务老师)

「第2章」:推荐方向项目实践阶段

课程名称:【3528】【3、大数据技术之机器学习和推荐系统-电商推荐系统】

课程内容:该课程主要从推荐系统的设计-实现-测试各方面进行了讲解,通过了对电商数据的分析,然后使用推荐算法对模型进行设计,然后对各个模块进行实现。

---考核---(可选择,联系教务老师)

「第3章」:推荐方向算法理论阶段

课程名称:【2644】【1、头条NLP推荐系统基础】

课程内容:该课程主要是讲解了推荐系统的架构的理论实现,以及推荐系统常见的冷启动、数据集、NLP常用的基础知识等问题,然后讲解了大数据推荐系统常用的大数据框架的知识,如Hadoop、Kafka等知识的讲解。

---考核---(可选择,联系教务老师)

「第4章」:推荐方向项目实践阶段

课程名称:【1754】【2、头条NLP推荐系统项目】

课程内容:该课程主要讲解了文章推荐系统的整体的实现,其中通过对召回层、算法实现等的讲解,完成了整个文章推荐系统的视线,并且实现了调用。

---考核---(可选择,联系教务老师)

===============章节分割线===============

【第8阶段】:Kaggle练习阶段

【监督方式】:强监督

「第1章」:数据挖掘Kaggle阶段

课程名称:【2956】【3-Kaggle基于pytorch的风格转换 】

课程内容:Kaggle中对数据挖掘的项目练习。

---考核---(可选择,联系教务老师)

「第2章」:数据挖掘Kaggle阶段

课程名称:【2954】【1-Kaggle音乐推荐案例实战 】

课程内容:Kaggle中对数据挖掘的项目练习。

---考核---(可选择,联系教务老师)

「第3章」:金融数据分析Kaggle阶段

课程名称:【3045】【Kaggle金融反欺诈模型训练 】

课程内容:Kaggle中对金融风控的反欺诈模型的项目练习。

---考核---(可选择,联系教务老师)

「第4章」:金融数据分析Kaggle阶段

课程名称:【3044】【第二课---Kaggle经济金融相关问题解决 】

课程内容:Kaggle中对金融风控的反欺诈模型的项目练习。

---考核---(可选择,联系教务老师)

【简历辅导阶段】

写出来初版的简历,然后老师进行建议,再次修改简历。简历合格,进行模拟面试。沟通面试问题等,具体事宜,到该阶段之后联系相应的教务老师进行安排。

【时间安排】:

学员可以自主安排学习时间。具体的时间可以灵活调整。

【相关规定】:

(1)每天完成今日学习任务,提交相应的csdn或者是有道云笔记之类的链接到每日作业中。老师会进行审核,每个阶段结束,进行阶段测评,测评通过,提交老师发布的通过截图到下一个课程的第一节的阶段卡点之后,方可进行下一章内容的学习。

(2)每个章节结束,如果觉得吸收比较乱,知识点多,可以进行xmind脑图的构造一下整体的思路!

(3)项目阶段,需要录制或者文档落地针对做过的项目的自述!

(4)每天必须按计划完成任务,临时有事需在日报中说明情况即可,长期请假请联系教务老师。

(5)考核不通过需要缴费补考,50元是第一次,每次增加50元,200元封顶(此项如有疑问,可以联系教务老师进行更改)。

【参考博客】:第二天早晨八点半,会有拜师晨报提醒。当中有学生优秀博客,可以查看学生的排版

【监督相关说明】:

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。

【工作安排】:

(1)、批改作业,环境安装!还有学习过程中有不会的问题的话,艾特软件安装以及基础答疑老师!

(2)、学习过程中如果有什么问题和疑问,可以艾特答疑老师!

(3)、如果计划需要更改,可以群里艾特我和跟你电话测评沟通的老师进行沟通!

(4)、如果有什么方向上面的疑问,可以艾特相关的答疑老师和计划制定的老师!

(5)、如果不知道找哪位老师的话,或者问题比较紧急的可以艾特教务老师进行处理,或者有什么意见和建议(直接私聊教务老师)!教务老师会进行受理!