第7期 Datawhale 组队学习计划 |
|
马上就要开始啦- 学习路线 -
基础知识01 统计学 课程设计：王佳鑫、许辉 组队学习说明：学习内容涵盖统计学中所有的主要知识，并对其分部分进行梳理总结。 任务路线：根据所学习内容进行 （1）统计学基本知识、二项及泊松分布、大数定律、正态分布等内容的总结进行整体的回顾、梳理与完善； （2）中心极限定理、置信区间、 假设检验等内容的总结进行整体的回顾、梳理与完善。 组队学习周期：7天 定位人群：微积分、基本概率知识储备，难度系数中 每个任务完成大概所需时间：2-3h 任务预览（2天） 学习内容 1：统计学基本知识、二项及泊松分布 学习内容 2： 大数定律、正态分布 02 Python基础 课程设计：马晶敏，叶梁、许辉 组队学习说明：学习python基础知识，针对python小白的学习之路 任务路线：基础知识-函数-第三方模块-类和对象-基础爬虫 组队学习周期：10天 定位人群：python小白，难度系数低 每个任务完成大概所需时间：每天平均花费时间2小时-4小时不等，根据个人学习接受能力强弱有所浮动 任务预览（2天） 环境搭建 1.python初体验 2.python基础讲解 3.python变量特性+命名规则、注释方法、python中“：”作用、学会使用dir( )及和help( )、import使用、pep8介绍 python数值基本知识 python中数值类型，int，float，bool，e记法等、算数运算符、逻辑运算符、成员运算符、身份运算符、运算符优先级 03 编程 课程设计：光城 、LeoLRH 组队学习说明：利用自己所熟知的编程语言，具有一定基础，讨论在面试中可能出现的数据结构问题，一起学习重温经典数据结构 任务路线：数组->链表->栈->队列->递归->排序->二分查找->哈希表->字符串->二叉树->堆->图->回溯->分治->动态规划 组队学习周期：14天甚至往上大概16天左右（周末进行整体整理讨论）（每天任务时间具体看任务情况） 定位人群：有一门语言基础和算法基础的同学，难度系数高，小白慎入！！！ 每个任务完成大概所需时间：平均每天学习时间在1个小时左右，晚上统一，半个小时进行集体讨论总结打卡。 任务预览（2天） 【数组】 实现一个支持动态扩容的数组 实现一个大小固定的有序数组，支持动态增删改操作 实现两个有序数组合并为一个有序数组 学习哈希表思想，并完成leetcode上的两数之和(1)及Happy Number(202)！(要求全部用哈希思想实现！)（选做）（注意：在第四天会进行继续学习） 练习： Three Sum（求三数之和） Majority Element（求众数） Missing Positive（求缺失的第一个正数） 【链表】 实现单链表、循环链表、双向链表，支持增删操作 实现单链表反转 实现两个有序的链表合并为一个有序链表 实现求链表的中间结点 练习： Linked List Cycle I（环形链表） Merge k Sorted Lists（合并 k 个排序链表） 04 leetcode 课程设计：老表、于鸿飞、杨皓博 组队学习说明：Leetcode刷题组队学习，从零开始每天一道算法题，在良好的学习氛围下，培养刷题习惯，学习算法思想。(不限制编程语言) 任务路线：腾讯精选练习（50 题）顺序每天一道题。 地址链接: 组队学习周期：50天(50题全部完成即结束) 定位人群：适合有一门语言基础的同学，难度系数中 每个任务完成大概所需时间：2-3h 课程内容：选取腾讯精选练习（50 题）解答 数据分析/挖掘01 Excel入门课程 课程设计：杨煜，李严 组队学习说明：职场人士必备学习内容。通过集中式学习和大量实战练习，快速了解并掌握Excel核心功能，保证今后工作中用得到。 任务路线：基础界面(2天) --> 基础文件操作单元格操作(2天) --> 基础函数(2天) --> 查找函数vlookup和 match/index(2天) --> 基础图表(3天) --> 数据透视表(2天) 组队学习周期：11天 定位人群：小白或有一点基础但不熟练的人群；初入职场人群必学；难度系数低 每个任务完成大概所需时间：2-3h/每天 任务预览（2天） 文件操作 新建workbook 新建sheet/移动sheet/重命名sheet/修改sheet颜色、sheet种类: 工作表/图表/宏表等、保存为xls/xlsx/csv 基础单元格操作 输入数据、数据格式、合并单元格、自动填充、选择性粘贴、去重、分列、排序、筛选、条件格式、插入下拉列表、行高列宽设置、冻结首行首列、边框、单元格换行 作业: 任务一： 生成一个行高30，列宽15（第六列列宽45），名为“Excel组队学习”的表，冻结窗格1-3行 任务二： 操作对象为任务一生成的“Excel组队学习”表 将第六列分列，效果如下 利用条件格式，将薪资列大于8000的收入填充为深绿色，并将它们筛选出来 第二列将重复值删除，只保留唯一值 02 MySQL 课程设计：杨皓博 孙涛 杨煜 组队学习说明：一周内快速了解并掌握MySQL的主要内容。通过大量SQL语句的实战练习，可以在简历上写熟练掌握MySQL。(注意：本课程只关注SQL查询语句本身，对数据库的涉及较少。) 任务路线： MySQL软件安装及数据库基础->查询语句->表操作->表联结->MySQL 实战->MySQL 实战-复杂项目 组队学习周期：（7天） 定位人群：小白，难度系数小 每个任务完成大概所需时间：2-3h 任务预览（3天） 软件安装及服务器设置。 数据库基础知识 MySQL数据库管理系统 SQL是什么？MySQL是什么？ 查询语句 SELECT FROM 筛选语句 WHERE 分组语句 GROUP BY 排序语句 ORDER BY SQL注释 SQL代码规范 03 爬虫 课程设计：光城、李方 组队学习说明： 从零基础到能独立完成一个简易的爬虫项目 任务路线：请求→re→beautifulsoup→lxml→selenium→IP问题→实战小项目 组队学习周期：7天 定位人群：有Python基础。难度系数中 每个任务完成大概所需时间：2-3h/天 任务预览（2天） 学习get与post请求，尝试使用requests或者是urllib用get方法向发出一...，并将其返回结果输出。 如果是断开了网络，再发出申请，结果又是什么。了解申请返回的状态码。 了解什么是请求头，如何添加请求头。 学习什么是正则表达式并尝试一些正则表达式并进行匹配。 然后结合requests、re两者的内容爬取 要求抓取名次、影片名称、国家、导演等字段。 04 数据分析 课程设计：金娟娟 组队学习说明：学习python for data analysis基础知识 任务路线：python基础-重要的python库（numpy/pandas/matplotlib/seaborn等)-数据清洗和分析 组队学习周期：15天 定位人群：数据分析小白，难度系数低 每个任务完成大概所需时间：每天平均花费时间2小时-4小时不等，根据个人学习接受能力强弱有所浮动 机器学习01 初级算法梳理 课程设计：苏静、康兵兵 组队学习说明：通过查阅书籍或参考文献、学习视频等，对传统机器学习算法进行梳理 任务路线：线性回归--->逻辑回归--->决策树 组队学习周期：7天 定位人群：有概率论、矩阵运算、求导、泰勒展开等基础数学知识；难度系数低 每个任务完成大概所需时间：2-3h 任务预览（2天） 机器学习的一些概念 有监督、无监督、泛化能力、过拟合欠拟合(方差和偏差以及各自解决办法)、交叉验证 线性回归的原理 线性回归损失函数、代价函数、目标函数 优化方法(梯度下降法、牛顿法、拟牛顿法等) 线性回归的评估指标 sklearn参数详解 学习时长：两天 参考：西瓜书 cs229吴恩达机器学习课程 李航统计学习 谷歌搜索 02 高级算法梳理 课程设计：黑桃，刘广月，于鸿飞 组队学习说明：通过查阅相关文献，对机器学习算法进行梳理 任务路线：RF--->GBDT--->XGB 组队学习周期：7天 定位人群：有概率论、矩阵运算、求导、泰勒展开等基础数学知识；难度系数中 如何申请CSDN博客： 12分钟教你如何使用Markdown： MarkDown公式编辑： 每个任务完成大概所需时间：2-3h 任务预览（2天） 【参考框架】欢迎有自己的框架 集成学习概念 个体学习器概念 boosting bagging 结合策略(平均法，投票法，学习法) 随机森林思想 随机森林的推广 优缺点 sklearn参数 应用场景 03 李宏毅机器学习(一) 课程设计：王佳旭，李威，排骨，金一鸣 组队学习说明：通过观看李宏毅教学视频，团队整理详细笔记进行梳理算法，并且通过团队布置的任务理解算法(小作业，核心代码，大作业等)，完全手写代码，不调包。 学习路线：回归，决策树，SVM，XGBoost 学习周期：1个月 定位人群：python基础，数据分析，基础数学等知识； 难度系数：高 每个任务完成大概所需时间：每天2-4小时不等，根据个人学习能力强弱有所浮动 参考资料： 李宏毅课程教学 机器学习实战 Datawhale整理的《学习李宏毅》笔记 04 西瓜书 课程设计：黑桃 组队学习说明：通过学习周志华老师的《机器学习》，以博客的形式完成算法的整理 学习路线：模型评估与选择-->线性模型-->决策树-->神经网络-->支持向量机-->贝叶斯分类-->集成学习-->聚类-->降维与度量学习-->特征选择与稀疏学习-->半监督学习-->概率图模型-->规则学习-->强化学习 学习周期：14周 定位人群：掌握基础数学等知识； 难度系数：高 每个任务完成大概所需时间：每天2-4小时不等，根据个人学习能力强弱有所浮动 参考资料：《机器学习》、《机器学习公式推导版》、cs229 05 数据挖掘 课程设计：范晶晶、李碧涵、 组队学习说明：应用机器学习算法，完整地走完一个数据挖掘项目流程 任务路线：数据分析→特征工程→模型构建→模型评估→模型调优→模型融合 组队学习周期：12天 定位人群：有Python基础，sklearn基础。难度系数中 每个任务完成大概所需时间：2-3h/天 任务预览（2天） 要求：数据切分方式 - 三七分，其中测试集30%，训练集70%，随机种子设置为2018 任务1：对数据进行探索和分析。时间：2天 数据类型的分析 无关特征删除 数据类型转换 缺失值处理 ……以及你能想到和借鉴的数据分析处理 深度学习01 Pytorch基础 课程设计：许辉 李奇锋 组队学习说明：通过学习pytorch的基本操作，最终完成手写数字的识别 任务路线：安装pytorch->设立图并计算->实现逻辑回归->构建多层神经网络->PyTorch实现L1，L2正则化以及Dropout->书写优化器代码->用PyTorch完成手写数字识别 学习周期：7天 定位人群：熟悉python的基础用法 任务完成所需时间：2-3h/天 难度系数中 任务预览（2天） 什么是Pytorch，为什么选择Pytroch？ Pytroch的安装 配置Python环境 a. 准备Python管理器 b. 通过命令行安装PyTorch c. PyTorch基础概念 通用代码实现流程(实现一个深度学习的代码流程) 理论应用01 自然语言处理(理论+实践) 课程设计：jepson 组队学习说明：学习自然语言处理理论，并且通过对某些数据集的文本分类任务不断优化来进行实践。 任务路线：特征提取—>特征选择—>文本表示—>传统机器学习算法跑模型—>LDA生成新特征—>深度学习算法跑模型 定位人群：有Python基础，基本框架的基础（例如TensorFlow、Keras和pyTorch等）！难度系数高 组队学习周期：18天 每个任务完成大概所需时间：3-4h 任务预览（2天） IMDB数据集下载和探索(参考TensorFlow官方教程) THUCNews数据集下载和探索（参考博客中的数据集部分和预处理部分） 学习召回率、准确率、ROC曲线、AUC、PR曲线这些基本概念 组队学习将从8号陆续开始报名
|
