徐复兴测试情况：

增加知识图谱课程。除了数学其他课程设置为强监督方式。

1.考核：有一定编程基础，python从基础开始，注重过程监控。数学学过，有基础，数学配置为弱监督方式。学员学过数据结构，重新学习加强。

2.个人情况：东南计算机硕士知识图谱与自然语言处理工程硕士。

3.目前情况：现在研一，应对研二硕士学习提高，以及未来就业。实验室大方向为知识图谱，个人方向是nlp算法等。

4.目标：扎实专研应对nlp算法零基础提升，以及未来应对就业。

5.教学方向：零基础算法nlp知识图谱方向提高

课程安排：

第零阶段：数学课程（弱监督）

包括：线性代数，概率论，高等数学，统计学

第一阶段：python基础

包括：python语法，面向对象部分

第二阶段：python数据结构基础

包括：链表，线性表，树，图，排序，查找

第三阶段：数据科学库基础

包括：numpy，pandas，matplotlib

第四阶段：机器学习数学基础加强。

包括：高数，概率，线代加强

第五阶段: 机器学习基础

包括：机器学习算法理论基础

第六阶段：机器学习进阶

包括：分类算法，聚类算法，回归算法，HMM

第七阶段：sklearn机器学习实战

包括：特征工程，建模代码实战

第八阶段：深度学习基础

包括：深度学习BPNN，CNN，RNN，LSTM

第九阶段：tensorflow与pytorch实践。

包括：深度学习算法实践

第十阶段：nlp前置基础知识

包括：nlp基础知识（见xmind）

第十一阶段: nlp项目实践1个月

包括：聊天机器人，大数据文章推荐算法

（大数据NLP推荐实战）

第十二阶段：kaggle的nlp实战

包括：选择好的一部分kaggle案例

第十三阶段：指导学员下一步学习方向。

教学目标：nlp算法基础nlp提高。

时间安排：（时间跟您的时间合计）

每周一三四每天1到2小时，每周二五每天学习3到4小时，跟学员沟通确认可以安排。

每周六5小时，周日总结与考核。

每天提交xmind复习笔记，同时每周二日，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。