diff --git a/README.md b/README.md
index 768fea6..c14e1a3 100644
--- a/README.md
+++ b/README.md
@@ -20,75 +20,74 @@
- 第一学期
-| Week | Point | Detail | Project | Further Reading |
-| :--: | :--: | -- | -- | -- |
-| [1](./Week1-Database-Introduction) | 数据库分类及内部组件功能 | 数据库与文件系统的区别，数据库产生的原因；学习关系型、文档型、KV 型、图数据库等不同类别等数据库，了解其中架构及功能模块，理解不同数据库的应用场景。
学习使用git进行协作开发 | 1. 安装相关类别的数据库并简单使用（可以使用 [Docker](https://www.docker.com/) 等工具）
2. 以3人小组为单位整理相关文档，并进行分享。（使用markdown格式撰写文档，并上传至github） | |
-| 2 | 数据结构 1 | 熟悉开发流程与规范
[Bloom Filter](https://llimllib.github.io/bloomfilter-tutorial/)
[Cuckoo Filter](https://en.wikipedia.org/wiki/Cuckoo_filter)
[Consistent Hash](https://en.wikipedia.org/wiki/Consistent_hashing)
[Chord](https://en.wikipedia.org/wiki/Chord_(peer-to-peer)) | 实现两种过滤器：要求具有单元测试，与性能测试。
使用 UML 建模完成功能和测试（代码符合统一规范，具有完备的测试用例）最后形成文档。（后续的 Project 同样的要求） | |
-| 3 | 关系型数据库 1 | 学习关系型数据库的基本概念：关系模型，SQL语句，索引，buffer pool，事务，存储等，学习各个模块在关系型数据库中所处位置 | 以3人小组为单位，对关系型数据库各个部分进行分析，并撰写相关文档
| |
-| 4-5 | 关系型数据库 1 | 以个人为单位，实现一个buffer pool，并测试其性能及内存占用。并撰写相关文档 | [项目地址](https://15445.courses.cs.cmu.edu/fall2020/project1/) | |
-| 6-7 | 数据结构 2 | [B-Tree](https://en.wikipedia.org/wiki/B-tree)
[B+ Tree](https://en.wikipedia.org/wiki/B%2B_tree)
| 在buffer pool的基础上，实现一个B+树，需包含单元测试及测试性能。[项目地址](https://15445.courses.cs.cmu.edu/fall2020/project2/) | [Mass-Tree](https://pdos.csail.mit.edu/papers/masstree:eurosys12.pdf)
[Bw-Tree](https://www.microsoft.com/en-us/research/wp-content/uploads/2016/02/bw-tree-icde2013-final.pdf)
[Bz-Tree](http://www.vldb.org/pvldb/vol11/p553-arulraj.pdf) |
-| 8-9 | 数据结构 3 | [Skip List](https://en.wikipedia.org/wiki/Skip_list)、[LSM Tree](https://en.wikipedia.org/wiki/Log-structured_merge-tree) 分析其在LevelDB中的实现方式
分析B+树与LSM Tree的特点及应用场景。 | 继续完成B+树项目
对leveldb中跳表与lsm tree的实现方式进行分析，以3人为单位撰写leveldb代码分析文档 | |
-| 10-12 | SQL Engine & Parser & Executor | 了解 SQL Engine 组件及功能，学习 SQL 解析流程及抽象语法树。学习执行算子，如 Join, Agg, Scan 的不同实现。了解基本的查询优化方法，了解 Volcano 及 Vectorized 执行器架构 | 撰写相关文档
实现数据库的执行器。[项目地址](https://15445.courses.cs.cmu.edu/fall2020/project3/) | |
-| 13-15 | 数据库事务 | 理解事务的概念及产生原因、理解ACID特性
并发控制（乐观、悲观）
数据持久化和故障恢复（日志、检查点、快照） | 撰写相关文档
基于锁实现数据库的并发控制，要求保证事务的ACID特性 [项目地址](https://15445.courses.cs.cmu.edu/fall2020/project4/) | [Percolator](http://notes.stephenholiday.com/Percolator.pdf)
|
-| 16 | 分布式基础 议 | 分布式相关概念、时钟
CAP、BASE
拜占庭问题
[Zab](https://marcoserafini.github.io/papers/zab.pdf)
[Gossip](https://flopezluis.github.io/gossip-simulator/)
| 实现单机的kv server [Project1 StandaloneKV](https://github.com/tidb-incubator/tinykv/blob/course/doc/project1-StandaloneKV.md) | [LCN](https://github.com/codingapi/tx-lcn)
[Seata](http://seata.io/en-us/)
Quorum |
-| 17-20 | 分布式基础 议 | [Paxos](https://en.wikipedia.org/wiki/Paxos_(computer_science))
[Raft](https://raft.github.io/)
RPC | 基于raft实现高可用的key-value server
[Project2 RaftKV](https://github.com/tidb-incubator/tinykv/blob/course/doc/project2-RaftKV.md) | Multi-Raft
Parallel-Raft |
+| Week | Point | Detail | Project | Further Reading |
+|:----------------------------------:|:------------------------------:| ---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | ------------------------------------------------------------------------------------------------------------------------- | ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------ |
+| [1](./Week1-Database-Introduction) | 数据库分类及内部组件功能 | 数据库与文件系统的区别，数据库产生的原因；学习关系型、文档型、KV 型、图数据库等不同类别等数据库，了解其中架构及功能模块，理解不同数据库的应用场景。
学习使用git进行协作开发 | 1. 安装相关类别的数据库并简单使用（可以使用 [Docker](https://www.docker.com/) 等工具）
2. 以3人小组为单位整理相关文档，并进行分享。（使用markdown格式撰写文档，并上传至github） | |
+| 2 | 数据结构 1 | 熟悉开发流程与规范
[Bloom Filter](https://llimllib.github.io/bloomfilter-tutorial/)
[Cuckoo Filter](https://en.wikipedia.org/wiki/Cuckoo_filter)
[Consistent Hash](https://en.wikipedia.org/wiki/Consistent_hashing)
[Chord](https://en.wikipedia.org/wiki/Chord_(peer-to-peer)) | 实现两种过滤器：要求具有单元测试，与性能测试。
使用 UML 建模完成功能和测试（代码符合统一规范，具有完备的测试用例）最后形成文档。（后续的 Project 同样的要求） | |
+| 3 | 关系型数据库 1 | 学习关系型数据库的基本概念：关系模型，SQL语句，索引，buffer pool，事务，存储等，学习各个模块在关系型数据库中所处位置 | 以3人小组为单位，对关系型数据库各个部分进行分析，并撰写相关文档
| |
+| 4-5 | 关系型数据库 1 | 以个人为单位，实现一个buffer pool，并测试其性能及内存占用。并撰写相关文档 | [项目地址](https://15445.courses.cs.cmu.edu/fall2020/project1/) | |
+| 6-7 | 数据结构 2 | [B-Tree](https://en.wikipedia.org/wiki/B-tree)
[B+ Tree](https://en.wikipedia.org/wiki/B%2B_tree)
| 在buffer pool的基础上，实现一个B+树，需包含单元测试及测试性能。[项目地址](https://15445.courses.cs.cmu.edu/fall2020/project2/) | [Mass-Tree](https://pdos.csail.mit.edu/papers/masstree:eurosys12.pdf)
[Bw-Tree](https://www.microsoft.com/en-us/research/wp-content/uploads/2016/02/bw-tree-icde2013-final.pdf)
[Bz-Tree](http://www.vldb.org/pvldb/vol11/p553-arulraj.pdf) |
+| 8-9 | 数据结构 3 | [Skip List](https://en.wikipedia.org/wiki/Skip_list)、[LSM Tree](https://en.wikipedia.org/wiki/Log-structured_merge-tree) 分析其在LevelDB中的实现方式
分析B+树与LSM Tree的特点及应用场景。 | 继续完成B+树项目
对leveldb中跳表与lsm tree的实现方式进行分析，以3人为单位撰写leveldb代码分析文档 | |
+| 10-12 | SQL Engine & Parser & Executor | 了解 SQL Engine 组件及功能，学习 SQL 解析流程及抽象语法树。学习执行算子，如 Join, Agg, Scan 的不同实现。了解基本的查询优化方法，了解 Volcano 及 Vectorized 执行器架构 | 撰写相关文档
实现数据库的执行器。[项目地址](https://15445.courses.cs.cmu.edu/fall2020/project3/) | |
+| 13-15 | 数据库事务 | 理解事务的概念及产生原因、理解ACID特性
并发控制（乐观、悲观）
数据持久化和故障恢复（日志、检查点、快照） | 撰写相关文档
基于锁实现数据库的并发控制，要求保证事务的ACID特性 [项目地址](https://15445.courses.cs.cmu.edu/fall2020/project4/) | [Percolator](http://notes.stephenholiday.com/Percolator.pdf)
|
+| 16 | 分布式基础 议 | 分布式相关概念、时钟
CAP、BASE
拜占庭问题
[Zab](https://marcoserafini.github.io/papers/zab.pdf)
[Gossip](https://flopezluis.github.io/gossip-simulator/)
| 实现单机的kv server [Project1 StandaloneKV](https://github.com/tidb-incubator/tinykv/blob/course/doc/project1-StandaloneKV.md) | [LCN](https://github.com/codingapi/tx-lcn)
[Seata](http://seata.io/en-us/)
Quorum |
+| 17-20 | 分布式基础 议 | [Paxos](https://en.wikipedia.org/wiki/Paxos_(computer_science))
[Raft](https://raft.github.io/)
RPC | | Multi-Raft
Parallel-Raft |
说明：整个学习流程的作业和文档需要在实验室 Github 仓库里面提交，每个 Project 会事先建立好框架，每个同学按照框架进行代码和文档的撰写。并且在代码过程中抽象公共代码库方便后续同学的使用，且需做好 todo-list，方便功能的完善。
- 第二学期
-
+
承接上学期理论学习，下学期的新生培养以动手实践为主。项目1选取TiDB Talent Plan中TinyKV项目，目标是实现一个可扩展、高可用、支持分布式事务的KV数据库，使用golang进行开发[项目地址](https://github.com/tidb-incubator/tinykv)。项目2选取TiDB Talent Plan中的TinySQL项目。
-
-| Week | Point | Detail | Project | Further Reading |
-| :---: | ---------- | :----------------------------------------------------------: | :----------------------------------------------------------: | ------------------------------------------------------------ |
-| 1-3 | raft进阶 | 基于multi-raft实现可扩展的key-value server | [Project3 MultiRaftKV](https://github.com/tidb-incubator/tinykv/blob/course/doc/project3-MultiRaftKV.md) | |
-| 2-5 | 分布式事务 | 分布式事务（2PC / 3PC)
基于Percolator实现分布式事务，分析Percolaor的优缺点 | [Project 4 Transactions](https://github.com/tidb-incubator/tinykv/blob/course/doc/project4-Transaction.md) | [Percolator](http://notes.stephenholiday.com/Percolator.pdf)
|
-| 6-9 | | TinySQL项目 | | |
-| 10-13 | | TinySQL项目 | | |
-| 14-16 | | TinySQL项目 | | |
-
+| Week | Point | Detail | Project |
+|:-----:| --------- |:----------------------------------------------------------------------:|:---------------------------------------------------------------------------------------------------------------------------------:|
+| 1-4 | raft基础 | 基于raft实现高可用的key-value server | [Project2 RaftKV](https://github.com/tidb-incubator/tinykv/blob/course/doc/project2-RaftKV.md) |
+| 6-9 | raft进阶 | 基于multi-raft实现可扩展的key-value server | [Project3 MultiRaftKV](https://github.com/tidb-incubator/tinykv/blob/course/doc/project3-MultiRaftKV.md) |
+| 10-12 | 分布式事务 | 分布式事务(2PC / 3PC)
基于Percolator实现分布式事务，分析Percolaor的优缺点 | [Project 4 Transactions](https://github.com/tidb-incubator/tinykv/blob/course/doc/project4-Transaction.md) |
+| 13 | 数据挖掘 | 数据预处理(滤波、插值、降维)
关联分析
图挖掘，序列模式挖掘 | 1. 整理相关算法说明文档
2. 使用现有工具库分析图数据中的重要节点、社团关系等，并对结果进行展示
[项目地址](./SpringTerm-Week13-DataMining) |
+| 14 | 机器学习&深度学习 | 分类算法（KNN、贝叶斯、SVM、决策树）
聚类算法（kmeans、DBSCAN）
常用模型(CNN、RNN、LSTM) | 1. 整理相关算法说明文档
2. 使用机器学习和深度学习方法实现手写数字识别
3. 空气质量数据集进行预处理，使用深度学习方法，实现空气质量预测
[项目地址](./SpringTerm-Week14-DeepLearning) |
+| 15 | 深度学习 | Attention机制、Transformer、GAN
自然语言处理基础：分词、去除停用词、命名实体识别、预训练模型 | 1. 使用NLP工具实现命名实体识别
2. 搭建模型，实现情感分析
[项目地址](SpringTerm-Week15-NLP) |
## 如何提交作业
1. 第一次提交作业的时候请先 `fork` 当前项目到自己的仓库
2. 在自己的仓库里面进行作业的更新
-
+
以第一次作业为例，比如你 `fork` 之后你的代码地址为 `git@github.com:ehds/training-plan.git`
-
+
1. 克隆仓库到本地：
-
+
`git clone git@github.com:ehds/training-plan.git`
-
+
2. 进入当前实验文件夹`Week1-Databse-Introduction`
-
+
`cd Week1-Databse-Introduction`
-
+
3. 新建一个自己的文件夹，名字+实验名称，参考 Example
-
+
`cp -r Example DongShengHe-Week1`
-
+
完善实验文档 Markdown 文件
-
+
4. add 作业内容
-
+
`git add .`
-
+
5. commit 修改
-
+
`git commit -m "message"` （message使用英文填写你所做的修改）如 `git commit -m “complete week1 experiment`
-
+
6. push 分支
-
+
`git push origin master`
3. 提交 PR
-
+
在 Gihub 仓库界面新建一个 pull request 到实验室仓库
4. 审核与修改
-
+
待审核人审核后，根据修改意见进行修改，待通过后即可
## 如何提问
diff --git a/SpringTerm-Week13-DataMining/README.md b/SpringTerm-Week13-DataMining/README.md
new file mode 100644
index 0000000..2c2c7f1
--- /dev/null
+++ b/SpringTerm-Week13-DataMining/README.md
@@ -0,0 +1,21 @@
+# SpringTerm-Week13-DataMining
+## 数据挖掘常用算法：
+
+1. 数据预处理算法
+ 1. 滤波算法：中值滤波、均值滤波、卡尔曼滤波
+ 2. 插值算法：最近邻插值、拉格朗日插值
+ 3. 降维算法：PCA
+2. 关联分析算法：Apriori、FP-Growth
+3. 图算法
+ 1. 关键节点：PageRank、k-shell
+ 2. 社团发现：Girvan Newman、Fast Newman
+ 3. 频繁子图挖掘：GSpan
+4. 序列模式挖掘：PrefixSpan
+
+## Project
+- 数据集：安然邮件数据集 [地址](https://www.cs.cmu.edu/~./enron/)
+- 项目要求：
+ 1. 根据数据集构建安然公司内部邮件网络
+ 2. 选择适当的算法分析网络中的重要节点
+ 3. 选择适当的算法分析网络中的社团关系
+ 4. 对最终的结果进行可视化展示
\ No newline at end of file
diff --git a/SpringTerm-Week14-DeepLearning/README.md b/SpringTerm-Week14-DeepLearning/README.md
new file mode 100644
index 0000000..ba7cf65
--- /dev/null
+++ b/SpringTerm-Week14-DeepLearning/README.md
@@ -0,0 +1,35 @@
+# SpringTerm-Week14-DeepLearning
+## 常用机器学习算法
+
+1. 分类算法
+ 1. 最近邻分类
+ 2. 朴素贝叶斯
+ 3. SVM
+ 4. 决策树
+2. 聚类算法
+ 1. 基于划分：k-means
+ 2. 基于层次
+ 3. 基于密度：DBSCAN
+ 4. ...
+
+## 常用深度学习模型
+1. CNN
+2. RNN & LSTM
+
+## Project1
+- 实现手写数字识别
+- 数据集：MNIST数据集 [地址](http://yann.lecun.com/exdb/mnist/)
+- 项目要求：
+ 1. 使用机器学习方法实现手写数字识别
+ 2. 使用深度学习方法实现手写数字识别
+ 3. 对比两种方法差异及结果
+
+## Project2
+- 空气污染预测
+- 数据集：[Beijing PM2.5 Data Data Set](https://archive.ics.uci.edu/ml/datasets/Beijing+PM2.5+Data)
+- 项目要求：
+ 1. 根据历史气象数据，预测接下来一个小时的空气污染状况
+ 2. 自己选择合适的预处理方式
+ 3. 自己选择合适的深度学习模型
+ 4. 使用pytorch实现
+ 5. （选做）分析一天中污染较高的时段
diff --git a/SpringTerm-Week15-NLP/README.md b/SpringTerm-Week15-NLP/README.md
new file mode 100644
index 0000000..c30730e
--- /dev/null
+++ b/SpringTerm-Week15-NLP/README.md
@@ -0,0 +1,19 @@
+# SpringTerm-Week15-NLP
+## 常用深度学习模型：
+1. Attention
+2. Transformer
+3. GAN
+
+## 自然语言处理基础：
+1. 预处理：分词分句、去除停词
+2. 命名实体识别
+3. 情感分析
+4. 预训练模型：Bert
+
+## Project
+- 情感分析
+- 数据集：[Yelp-5](https://www.kaggle.com/datasets/yelp-dataset/yelp-dataset)
+- 项目要求：
+ 1. 使用Yelp-5数据集
+ 2. 使用NLP工具，尝试提取数据集中的命名实体
+ 3. 基于Bert，选择合适的网络模型，实现情感分析
\ No newline at end of file