Datawhale学习

开源贡献：Datawhale团队

本月组队学习，包含了人工智能（含机器学习、深度学习）、数据科学、编程实践、计算机科学4个模块，共11个学习内容。

文末有学习地址

关于开源

Datawhale作为开源组织，更多是希望营造互促的学习氛围和纯粹的学习环境，所有学习内容和学习规划都将开源在Datawhale Github上（地址见下方），方便大家有监督和无监督学习，从而帮助到更多学习者成长。

开源内容

截止今日，Datawhale已经开源50多门学习内容，涉及编程、数据科学、cv、nlp、强化学习和推荐系统6大模块，这源自每一个开源贡献者的参与。

开源地址

https://github.com/datawhalechina/team-learning

什么是组队学习？

顾名思义，就是一群志同道合的小伙伴，一起学习讨论，一起克服拖延症，一起组队打boss。没有老师，没有教学，有的是一群热爱学习和渴望改变的人，交流学习，互促共进。或许你可以从这些文章进一步了解：《黄元帅：组队学习的大航海模型》、《闻韶：我的组队学习经历》、《罗如意：从学习者到贡献者》。

开源教程

人工智能（含机器学习、深度学习）

1 /吃瓜教程—西瓜书+南瓜书

开源贡献：谢文睿、秦州、陈伟峰

内容说明：周志华老师的“西瓜书”是机器学习经典入门教材，值得反复阅读，配合“南瓜书”从本科数学基础的视角进行讲解，一起打好基础！

任务路线：以《机器学习》西瓜书为主线，配合南瓜书攻克疑难点。

学习周期：18天

定位人群：有本科数学基础（指高数、线代、概率论与数理统计，以下同）的同学

学习名额：180人

⚠️ 配套讲解视频已上传至B站，地址见文末「快速通道」

任务节选

‍‍‍‍‍‍‍‍Task02：概览西瓜书、南瓜书第3章（6天）

• 《机器学习》第3章

• 涉及的线性回归等数学难点‍‍‍‍‍‍‍‍

2 /李宏毅机器学习（含深度学习）

开源贡献：王茂霖、陈安东、刘峥嵘、李玲、郭棉昇、汪超、赵美

内容说明：辅助大家更好学习李宏毅老师机器学习视频，并加入相关补充资料，相信你会对机器学习有更加深刻的理解。

任务路线：李宏毅视频+解读辅助

学习周期：14天

定位人群：深度学习初学者，有微积分，线性代数基础

学习名额：80人

任务预览

Task4：深度学习介绍和反向传播机制（2天）

• 了解深度学习的基础知识

• 熟悉反向传播机制

3 /统计学习方法习题实战【公测】

开源贡献：胡锐锋、王维嘉、王瀚翀、王茸茸、毛鹏志、张璇、王天富、范佳慧

内容说明：李航老师的《统计学习方法》是机器学习的经典入门教材，主要学习本书第1篇的监督学习内容，结合课后习题，巩固相关知识。

任务路线：以习题为核心，配合教程；先看书、做题、看习题解答。

学习周期：18天

定位人群：具有本科数学基础（指高数、线代、概率论与数理统计）的同学。

学习名额：80人

任务节选

Task01：第1章-统计学习方法概论（3天）

4 /scikit-learn教程【公测】

开源贡献：江季、李牧轩、武帅、陈宇

内容说明：使用sklearn学习库进行各类算法的实战，帮助读者分析各个算法的特点，并且善用可视化技术润色结果。

任务路线：从线性回归到集成学习、可视化，进行各类算法的编程实践

学习周期：24天

定位人群：具有一定机器学习概念以及Python编程的同学。

学习名额：80人

任务节选

Task03：贝叶斯（3天）

5 /推荐系统-新闻推荐系统实践【公测】

开源贡献：罗如意、肖桐、汪志鸿，吴忠强，赖敏材，王辰玥，毛伟、宋禹成，陈雨龙，管柯琴

内容说明：新闻推荐系统实践是fun-rec开源项目中比较偏工程的实战项目（前端+后端+策略+算法），该项目仅用于学习推荐系统的基本流程和实现过程。

任务路线：实践学习如何构建一个新闻推荐系统

学习周期：18天

定位人群：了解推荐推荐系统，有一定的计算机基础，想了解推荐系统工程实现的同学。

学习名额：80人

⚠️ 特别提示：内容较多，但每次任务中会给大家划重点学习

任务节选

Task03：离线物料系统的构建（4天）

• 爬虫

• 构建画像

• 物料入库

数据科学

6 / SQL编程语言

开源贡献：王复振、杨煜、闫钟峰、杨梦迪、苏鹏、红星、张晋、汪健麟、李云龙、蒋志强

内容说明：Follow me，从 0 到 1 掌握 SQL，决胜秋招。

任务路线：完成SQL使用环境搭建，了解关系型数据库的基本特点，熟悉SQL增删改查基本操作，进一步掌握视图、子查询、函数、窗口函数等高阶用法，最后试一试秋招秘籍，检验下自己学习的效果。

组队学习周期：15天

定位人群：0基础学员，希望掌握SQL基础查询的同学

学习名额：80人

任务预览

Task04 集合运算（3天）

• 表的加减法

• 连结(JOIN)

7 / 数据可视化（Matplotlib）

开源贡献：杨剑砺、杨煜、耿远昊、李运佳、居凤霞、王万、范歆琦

内容说明：系统梳理了python最重要的数据可视化包的方方面面，并配有练习题供学习者核查学习效果。

任务路线：本次课程内容的设计基于原汁原味的官方文档结构，通过画笔、布局、图例和样式来系统学习Python数据可视化。

组队学习周期：14天

定位人群：有基本的python基础，希望通过系统学习matplotlib提升可视化技能的人

学习名额：80人

任务预览

Task02：艺术画笔见乾坤（5天）

• 作为整个matplotlib宇宙中最重要的一个环节，重点介绍了matplotlib绘图的核心API，以及使用matplotlib绘制基本元素的方法

8 / 动手学数据分析

开源贡献：陈安东、金娟娟、杨佳达、老表、李玲、张文涛、高立业、范淑卷、武者小路、曾心怡

内容说明：以项目为主线，通过边学，边做以及边被引导的方式，既掌握知识点又能掌握数据分析的大致思路和流程。

任务路线：了解数据分析中基本库的操作；熟悉数据分析的操作流程，建立数据分析思维，入门数据建模。

组队学习周期：11天

定位人群：懂一些python，希望入门数据分析的学习者。

学习名额：80人

任务预览

Task01：数据加载及探索性数据分析（2天）

• 了解数据加载以及数据观察

• 掌握pandas基础

• 完成探索性数据分析

编程实践

9 / Linux实践【公测】

开源贡献：刘羽中、刘洋、王晓亮、陈玉立、六一

内容说明：各种企业的服务器应用99%都是Linux系统，如果你想成为一个合格的软件工程师&算法工程师，Linux是你必备的技能。本次学习旨在帮助学习者掌握Linux基本操作。

任务路线：由登陆环境开始，从0-1实践Linux基础。

组队学习周期：15天

定位人群：不限

学习名额：80人

⚠️ 特别提示：本课程需要使用链接打卡，提供操作截图来完成任务。

任务节选

Task02：任务5-7（5天）

• 在目录下创建py文件，并进行运行

• 在目录下创建py目录，并进行import导入

• 在Linux系统中后台运行应用程序，并打印日志‍

10 / 算法的应用【公测】

开源贡献：肖然、李铭哲、伊雪

内容说明：本次内容主要是对算法的理解和应用，我们会从优质的课程设计、或者简化的工业界小项目出发。希望每一个参与者能够实现相应的函数接口。

任务路线：我们会给出相关的文档和函数的接口设计，每个学习的同学都需要实现代码，并提交自己的代码到我们的网站，会有相关的可视化显示。

学习周期：14天

定位人群：计算机相关专业，有一定编程能力，学习过数据结构。

学习名额：80人

任务节选

Task03：简易计算器（3天）

计算机科学

11 /深入理解计算机系统(CSAPP)【公测】

开源贡献：李岳昆、易远哲、初晓宇、叶前坤、沈豪

内容说明：本篇为「Datawhale 开源 408 计划」首篇，旨在通过计算机科学领域经典丛书：《深入理解计算机系统》帮助更多的小伙伴理解计算机真实的运行过程与逻辑。Datawhale开源社区将全程支持并提供CSAPP原书习题、lab伴读、课件制作等内容。

任务路线：按照书籍编排进行学习，提供ppt等多种学习材料

学习周期：18天

定位人群：0基础希望理解计算机底层系统的同学

学习名额：80人

任务节选

Task02：信息的表示和处理（3天）

注：课程中，带【公测】标签的是新课，会有大量更新，举办周期不定；其余课程均为完善稳定的精品课系列。

开源地址

快速自学

⭐ 为难度系数

1.  吃瓜教程——西瓜书+南瓜书⭐⭐

开源地址：https://github.com/datawhalechina/pumpkin-book

B 站视频教程：https://www.bilibili.com/video/BV1Mh411e7VU

2. 李宏毅机器学习（含深度学习） ⭐⭐

开源地址github：https://github.com/datawhalechina/leeml-notes

开源地址 gitee ：https://gitee.com/datawhalechina/leeml-notes

3. 统计学习方法习题实战⭐⭐

开源地址：https://github.com/datawhalechina/statistical-learning-method-solutions-manual

4. scikit-learn教程 ⭐⭐

开源地址：https://github.com/datawhalechina/machine-learning-toy-code/tree/main/ml-with-sklearn

5.  推荐系统-新闻推荐系统实践 ⭐⭐⭐

开源地址：https://github.com/datawhalechina/fun-rec

6. SQL编程语言 ⭐

开源地址：https://github.com/datawhalechina/wonderful-sql

7. 数据可视化 ⭐

开源地址github：https://github.com/datawhalechina/fantastic-matplotlib

开源地址 gitee ：https://gitee.com/datawhalechina/fantastic-matplotlib

8. 动手学数据分析 ⭐⭐

开源地址github：https://github.com/datawhalechina/hands-on-data-analysis

开源内容gitee：https://gitee.com/datawhalechina/hands-on-data-analysis

B 站视频：https://www.bilibili.com/video/BV1Uv411p77r

9. Linux实践 ⭐

开源地址：https://github.com/datawhalechina/team-learning-program/tree/master/LinuxPractice

10. 算法的应用 ⭐⭐

开源地址：https://github.com/datawhalechina/team-learning-program/tree/master/AlgorithmRunning

11. 深入理解计算机系统 ⭐⭐

开源内容：https://github.com/datawhalechina/team-learning-program/tree/master/ComputerSystems

组队学习报名

▶ 时间：12月11日（周六）中午11:30

▶ 方式：在Datawhale高校群/在职群参与报名学习。

关注公众号，后台回复关键词“在校”或“在职”进群；已在则无需重复加入。

由于组织学习非盈利，精力有限，未报名成功可以根据开源教程自行安排学习。

学习规则

为了我们更好的学习效果，请关注以下规则：

1. 需交督促金3块（1块学习，1块分享，1块成长），按时完成所有任务返还；

2. 需要有Github或博客等公共账号，记录学习笔记；

3. 未按时打卡的同学会被抱出群

提前名额

在朋友圈分享这篇文章获20个赞，发送截图到后台，审核后可获 提前学习 名额。

一键三连，一起学习⬇️