黄旭东测试情况：
1.考核：有编程基础，py后端工程师工作1年多，python已经掌握，快速开始过一遍，每天都需要提交笔记到博客。注重过程监控。数学有基础，配置为弱监督方式。学员学过数据结构，但是需要转行，重新学习加强，leet刷题加强，放在前置阶段。
2.个人情况：1年py后端就业，大数据数据挖掘方向零基础在职提高，学习为了能够学完之后顺利转行推荐算法工程师。
3.目前情况：零基础提高机器学习基础及深度学习基础能力。应对大数据挖掘结合推荐方向。
4.目标：扎实专研应对大数据数据挖掘就业，应对转行就业。
5.教学方向：机器学习算法与大数据挖掘方向提高，大数据挖掘推荐系统方向。
课程安排：
第零阶段：数学课程（弱监督方式）
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实践。
包括：深度学习算法实践
第十阶段：大数据挖掘项目前置基础知识
包括：spark基础，hbase基础
第十一阶段: 大数据推荐项目实践1个月
包括：大数据文章推荐算法
第十二阶段：kaggle的大数据挖掘实战
包括：选择好的一部分kaggle案例
第十三阶段：就业指导。

教学目标：大数据数据挖掘算法基础提高。

时间安排：注意时间管理
每周一到五，每天学习1到2小时，因为没有工作，可以安排。
每周六日5小时，周日考核。
每天提交xmind复习笔记，同时每周三日，整理知识点，整理笔记到博客，可以选择csdn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。