十一月组队学习！

↑↑↑关注后"星标"Datawhale

每日干货 & 每月组队学习，不错过

 Datawhale学习 

开源贡献：Datawhale团队

本月组队学习，包含推荐系统实践、Numpy入门（下）两个模块的路线学习。参与学习需要有一些Python基础。其中，推荐系统将结合Datawhale与天池发起的学习赛进行实践。

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，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20多门学习内容，涉及编程、数据挖掘、cv、nlp、强化学习和推荐系统六大模块，这来自每一个开源贡献者的参与。

开源地址

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

组队学习

关于组队学习，顾名思义，就是一群志同道合的小伙伴聚集一起，一起学习，一起讨论，一起组队打boss，一起克服拖延症。其实没有老师，没有教学，有的是一群热爱学习和渴望改变的小伙伴，交流学习，互促共进。

开源学习

1 /Numpy入门（下）

开源贡献：韩绘锦、马燕鹏、王彦淳

组队学习说明：本开源内容是Python基础的进阶，主要目标是学习Numpy在输入输出、随机抽样、数理统计和线性代数中的应用，为后期学习Pandas和Sklearn奠定坚实基础。

任务路线：熟悉规则、输入输出、随机抽样、统计相关、线性代数、实践大作业

组队学习周期：10天

定位人群：有一些Python基础，难度系数中

每个任务完成大概所需时间：3-5h

任务预览（2天）

Task04：线性代数（2天）

• 熟悉Numpy如何处理矩阵乘法以及向量的内积

• 熟悉Numpy如何处理矩阵的特征值和特征向量
  

• 熟悉Numpy如何处理矩阵的各种分解，如SVD、QR和Cholesky分解

• 熟悉Numpy如何处理矩阵的范数、行列式和秩

• 熟悉Numpy如何处理逆矩阵和线性方程组求解

2 /推荐系统实践（新闻推荐）

开源贡献：陈琰钰、罗如意、李万业、吴忠强、王贺、张汉隆

组队学习说明：了解多路召回策略、冷启动策略、排序特征的构造方法、常见的排序模型和模型融合方法。

任务路线：赛题理解 + Baseline、数据分析、多路召回、特征工程、排序模型 + 模型融合

组队学习周期：15天

定位人群：具有一定编程语言基础，对机器学习有一定的了解，会使用常见的数据分析工具（Numpy、Pandas），难度系数中

每个任务完成大概所需时间：3-5h

任务预览（3天）

Task03：多路召回

• 熟悉常见的召回策略，如：itemcf, usercf以及深度模型召回等

• 了解当前场景下的冷启动问题，及常见解决策略，了解如何将多路召回的结果进行合并

• 完成多种策略的召回，冷启动及多路召回合并

• 完成召回策略的调参和召回效果的评估

参与学习

快速通道

1. 【推荐系统实践】开源地址
   https://github.com/datawhalechina/team-learning-rs/tree/master/RecommandNews

2. 【Numpy入门】 开源地址
   https://github.com/datawhalechina/team-learning-program/tree/master/IntroductionToNumpy

3. 【Datawhale论坛】可提问交流学习问题
   论坛链接：http://datawhale.club

4. 【天池】推荐系统赛事

   https://tianchi.aliyun.com/competition/entrance/531842/information
   

学习规则

1. 需交督促金3块：1块学习，1块分享，1块成长；

2. 需要有一个CSDN等可以记录学习的公开帐号；

3. 根据任务安排学习，完成后写学习笔记blog；

4. 任务截止前在群内打卡，遇到问题一起交流讨论；

5. 未按时打卡的同学视为自动放弃，流出学习群。

报名方式

11月21日17:00 在Datawhale社群（高校群和在职群）分享报名二维码，其中推荐系统400名额，numpy学习200名额（组织学习非盈利，精力有限，没有报上名的可以根据开源教程自行安排学习）。

未在社群的小伙伴，可在公众号后台回复关键词“在校”或“在职”进群和下载开源教程（已在的不需要重复加入！）

公众号留言点赞前10名可直接获得名额

“为沉迷学习点赞↓