第7期 Datawhale 組隊學習計劃

立刻就要開始啦

此次共組織15個組隊學習

涵蓋了AI領域從理論知識到動手實踐的內容

按照下面給出的最完備學習路線分類

難度係數分爲低、中、高三檔

能夠按照須要參加

- 學習路線 -

基礎知識

01 統計學

課程設計：王佳鑫、許輝

組隊學習說明：學習內容涵蓋統計學中全部的主要知識，並對其分部分進行梳理總結。

任務路線：根據所學習內容進行

（1）統計學基本知識、二項及泊松分佈、大數定律、正態分佈等內容的總結進行總體的回顧、梳理與完善；

（2）中心極限定理、置信區間、 假設檢驗等內容的總結進行總體的回顧、梳理與完善。

組隊學習週期：7天

定位人羣：微積分、基本機率知識儲備，難度係數中

每一個任務完成大概所需時間：2-3h

任務預覽（2天）

學習內容 1：統計學基本知識、二項及泊松分佈

學習內容 2： 大數定律、正態分佈

02 Python基礎

課程設計：馬晶敏，葉梁、許輝

組隊學習說明：學習python基礎知識，針對python小白的學習之路

任務路線：基礎知識-函數-第三方模塊-類和對象-基礎爬蟲

組隊學習週期：10天

定位人羣：python小白，難度係數低

每一個任務完成大概所需時間：天天平均花費時間2小時-4小時不等，根據我的學習接受能力強弱有所浮動

任務預覽（2天）

環境搭建

1.python初體驗

2.python基礎講解

3.python變量特性+命名規則、註釋方法、python中「：」做用、學會使用dir( )及和help( )、import使用、pep8介紹

4. python數值基本知識

python中數值類型，int，float，bool，e記法等、算數運算符、邏輯運算符、成員運算符、身份運算符、運算符優先級

03 編程

課程設計：光城 、LeoLRH

組隊學習說明：利用本身所熟知的編程語言，具備必定基礎，討論在面試中可能出現的數據結構問題，一塊兒學習重溫經典數據結構

任務路線：數組->鏈表->棧->隊列->遞歸->排序->二分查找->哈希表->字符串->二叉樹->堆->圖->回溯->分治->動態規劃

組隊學習週期：14天甚至往上大概16天左右（週末進行總體整理討論）（天天任務時間具體看任務狀況）

定位人羣：有一門語言基礎和算法基礎的同窗，難度係數高，小白慎入！！！

每一個任務完成大概所需時間：平均天天學習時間在1個小時左右，晚上統一，半個小時進行集體討論總結打卡。

任務預覽（2天）

【數組】

實現一個支持動態擴容的數組

實現一個大小固定的有序數組，支持動態增刪改操做

實現兩個有序數組合併爲一個有序數組

學習哈希表思想，並完成leetcode上的兩數之和(1)及Happy Number(202)！(要求所有用哈希思想實現！)（選作）（注意：在第四天會進行繼續學習）

練習：

Three Sum（求三數之和）

Majority Element（求衆數）

Missing Positive（求缺失的第一個正數）

【鏈表】

實現單鏈表、循環鏈表、雙向鏈表，支持增刪操做

實現單鏈表反轉

實現兩個有序的鏈表合併爲一個有序鏈表

實現求鏈表的中間結點

練習：

Linked List Cycle I（環形鏈表）

Merge k Sorted Lists（合併 k 個排序鏈表）

04 leetcode

課程設計：老表、於鴻飛、楊皓博

組隊學習說明：Leetcode刷題組隊學習，從零開始天天一道算法題，在良好的學習氛圍下，培養刷題習慣，學習算法思想。(不限制編程語言)

任務路線：騰訊精選練習（50 題）順序天天一道題。

地址連接:

leetcode-cn.com/problemset/…

組隊學習週期：50天(50題所有完成即結束)

定位人羣：適合有一門語言基礎的同窗，難度係數中

每一個任務完成大概所需時間：2-3h

課程內容：選取騰訊精選練習（50 題）解答

數據分析/挖掘

01 Excel入門課程

課程設計：楊煜，李嚴

組隊學習說明：職場人士必備學習內容。經過集中式學習和大量實戰練習，快速瞭解並掌握Excel核心功能，保證從此工做中用獲得。

任務路線：基礎界面(2天) --> 基礎文件操做&單元格操做(2天) --> 基礎函數(2天) --> 查找函數vlookup和 match/index(2天) --> 基礎圖表(3天) --> 數據透視表(2天)

組隊學習週期：11天

定位人羣：小白或有一點基礎但不熟練的人羣；初入職場人羣必學；難度係數低

每一個任務完成大概所需時間：2-3h/天天

任務預覽（2天）

文件操做

新建workbook

新建sheet/移動sheet/重命名sheet/修改sheet顏色、sheet種類: 工做表/圖表/宏表等、保存爲xls/xlsx/csv

基礎單元格操做

輸入數據、數據格式、合併單元格、自動填充、選擇性粘貼、去重、分列、排序、篩選、條件格式、插入下拉列表、行高列寬設置、凍結首行首列、邊框、單元格換行

做業:

任務一：

生成一個行高30，列寬15（第六列列寬45），名爲「Excel組隊學習」的表，凍結窗格1-3行

任務二：

操做對象爲任務一輩子成的「Excel組隊學習」表

將第六列分列，效果以下

利用條件格式，將薪資列大於8000的收入填充爲深綠色，並將它們篩選出來

第二列將重複值刪除，只保留惟一值

02 MySQL

課程設計：楊皓博 孫濤 楊煜

組隊學習說明：一週內快速瞭解並掌握MySQL的主要內容。經過大量SQL語句的實戰練習，能夠在簡歷上寫熟練掌握MySQL。(注意：本課程只關注SQL查詢語句自己，對數據庫的涉及較少。)

任務路線： MySQL軟件安裝及數據庫基礎->查詢語句->表操做->表聯結->MySQL 實戰->MySQL 實戰-複雜項目

組隊學習週期：（7天）

定位人羣：小白，難度係數小

每一個任務完成大概所需時間：2-3h

任務預覽（3天）

軟件安裝及服務器設置。

數據庫基礎知識

MySQL數據庫管理系統

SQL是什麼？MySQL是什麼？

查詢語句 SELECT FROM

篩選語句 WHERE

分組語句 GROUP BY

排序語句 ORDER BY

SQL註釋

SQL代碼規範

03 爬蟲

課程設計：光城、李方

組隊學習說明：

從零基礎到能獨立完成一個簡易的爬蟲項目

任務路線：請求→re→beautifulsoup→lxml→selenium→IP問題→實戰小項目

組隊學習週期：7天

定位人羣：有Python基礎。難度係數中

每一個任務完成大概所需時間：2-3h/天

任務預覽（2天）

1. 學習get與post請求，嘗試使用requests或者是urllib用get方法向https://www.baidu.com/發出一個請求，並將其返回結果輸出。

2. 若是是斷開了網絡，再發出申請，結果又是什麼。瞭解申請返回的狀態碼。

3. 瞭解什麼是請求頭，如何添加請求頭。

4. 學習什麼是正則表達式並嘗試一些正則表達式並進行匹配。

5. 而後結合requests、re二者的內容爬取https://movie.douban.com/top250裏的內容

6. 要求抓取名次、影片名稱、國家、導演等字段。

04 數據分析

課程設計：金娟娟

組隊學習說明：學習python for data analysis基礎知識

任務路線：python基礎-重要的python庫（numpy/pandas/matplotlib/seaborn等)-數據清洗和分析

組隊學習週期：15天

定位人羣：數據分析小白，難度係數低

每一個任務完成大概所需時間：天天平均花費時間2小時-4小時不等，根據我的學習接受能力強弱有所浮動

機器學習

01 初級算法梳理

課程設計：蘇靜、康兵兵

組隊學習說明：經過查閱書籍或參考文獻、學習視頻等，對傳統機器學習算法進行梳理

任務路線：線性迴歸--->邏輯迴歸--->決策樹

組隊學習週期：7天

定位人羣：有機率論、矩陣運算、求導、泰勒展開等基礎數學知識；難度係數低

每一個任務完成大概所需時間：2-3h

任務預覽（2天）

1. 機器學習的一些概念

有監督、無監督、泛化能力、過擬合欠擬合(方差和誤差以及各自解決辦法)、交叉驗證

2. 線性迴歸的原理

3. 線性迴歸損失函數、代價函數、目標函數

4. 優化方法(梯度降低法、牛頓法、擬牛頓法等)

5. 線性迴歸的評估指標

6. sklearn參數詳解

學習時長：兩天

參考：西瓜書

cs229吳恩達機器學習課程

李航統計學習

谷歌搜索

02 高級算法梳理

課程設計：黑桃，劉廣月，於鴻飛

組隊學習說明：經過查閱相關文獻，對機器學習算法進行梳理

任務路線：RF--->GBDT--->XGB

組隊學習週期：7天

定位人羣：有機率論、矩陣運算、求導、泰勒展開等基礎數學知識；難度係數中

如何申請CSDN博客：blog.csdn.net/sxhelijian/…

12分鐘教你如何使用Markdown：www.bilibili.com/video/av881…

MarkDown公式編輯：katex.org/docs/suppor…

每一個任務完成大概所需時間：2-3h

任務預覽（2天）

【參考框架】歡迎有本身的框架

1. 集成學習概念

2. 個體學習器概念

3. boosting bagging

4. 結合策略(平均法，投票法，學習法)

5. 隨機森林思想

6. 隨機森林的推廣

7. 優缺點

8. sklearn參數

9. 應用場景

03 李宏毅機器學習(一)

課程設計：王佳旭，李威，排骨，金一鳴

組隊學習說明：經過觀看李宏毅教學視頻，團隊整理詳細筆記進行梳理算法，而且經過團隊佈置的任務理解算法(小做業，核心代碼，大做業等)，徹底手寫代碼，不調包。

學習路線：迴歸，決策樹，SVM，XGBoost

學習週期：1個月

定位人羣：python基礎，數據分析，基礎數學等知識；

難度係數：高

每一個任務完成大概所需時間：天天2-4小時不等，根據我的學習能力強弱有所浮動

參考資料：

李宏毅課程教學

機器學習實戰

Datawhale整理的《學習李宏毅》筆記

04 西瓜書

課程設計：黑桃

組隊學習說明：經過學習周志華老師的《機器學習》，以博客的形式完成算法的整理

學習路線：模型評估與選擇-->線性模型-->決策樹-->神經網絡-->支持向量機-->貝葉斯分類-->集成學習-->聚類-->降維與度量學習-->特徵選擇與稀疏學習-->半監督學習-->機率圖模型-->規則學習-->強化學習

學習週期：14周

定位人羣：掌握基礎數學等知識；

難度係數：高

每一個任務完成大概所需時間：天天2-4小時不等，根據我的學習能力強弱有所浮動

參考資料：《機器學習》、《機器學習公式推導版》、cs229

05 數據挖掘

課程設計：範晶晶、李碧涵、

組隊學習說明：應用機器學習算法，完整地走完一個數據挖掘項目流程

任務路線：數據分析→特徵工程→模型構建→模型評估→模型調優→模型融合

組隊學習週期：12天

定位人羣：有Python基礎，sklearn基礎。難度係數中

每一個任務完成大概所需時間：2-3h/天

任務預覽（2天）

要求：數據切分方式 - 三七分，其中測試集30%，訓練集70%，隨機種子設置爲2018

任務1：對數據進行探索和分析。時間：2天

1. 數據類型的分析

2. 無關特徵刪除

3. 數據類型轉換

4. 缺失值處理

5. ……以及你能想到和借鑑的數據分析處理

深度學習

01 Pytorch基礎

課程設計：許輝 李奇鋒

組隊學習說明：經過學習pytorch的基本操做，最終完成手寫數字的識別

任務路線：安裝pytorch->設立圖並計算->實現邏輯迴歸->構建多層神經網絡->PyTorch實現L1，L2正則化以及Dropout->書寫優化器代碼->用PyTorch完成手寫數字識別

學習週期：7天

定位人羣：熟悉python的基礎用法

任務完成所需時間：2-3h/天

難度係數中

任務預覽（2天）

1. 什麼是Pytorch，爲何選擇Pytroch？

2. Pytroch的安裝

3. 配置Python環境

   a. 準備Python管理器

   b. 經過命令行安裝PyTorch

   c. PyTorch基礎概念

4. 通用代碼實現流程(實現一個深度學習的代碼流程)

理論應用

01 天然語言處理(理論+實踐)

課程設計：jepson

組隊學習說明：學習天然語言處理理論，而且經過對某些數據集的文本分類任務不斷優化來進行實踐。

任務路線：特徵提取—>特徵選擇—>文本表示—>傳統機器學習算法跑模型—>LDA生成新特徵—>深度學習算法跑模型

定位人羣：有Python基礎，基本框架的基礎（例如TensorFlow、Keras和pyTorch等）！難度係數高

組隊學習週期：18天

每一個任務完成大概所需時間：3-4h

任務預覽（2天）

1. IMDB數據集下載和探索(參考TensorFlow官方教程)

2. THUCNews數據集下載和探索（參考博客中的數據集部分和預處理部分）

3. 學習召回率、準確率、ROC曲線、AUC、PR曲線這些基本概念

組隊學習將從8號陸續開始報名