寒假组队学习计划！

↑↑↑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

今年最后一次组队学习，包含数据分析、编程实践（LeetCode腾讯精选练习50）、异常检测、自然语言处理（知识图谱）四个内容的路线学习，参与学习需要有一些Python基础。

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已经近开源30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 /数据分析（学术前沿趋势分析）

开源贡献：刘羽中、杨毅远、张晋、雷钲仪、周郴莲、宋怡然、姚童

组队学习说明：

    本次新人赛是Datawhale与天池联合发起的零基础入门系列赛事第五场 —— 零基础入门数据分析之学术前沿趋势分析。

    赛题以数据分析为背景，要求选手使用公开的arXiv论文完成对应的数据分析操作。与之前的数据挖掘赛题不同，本次赛题不仅要求选手对数据进行建模，而且需要选手利用赛题数据完成具体的可视化分析。

    为更好的引导大家入门，我们同时为本赛题定制了系列学习方案，其中包括数据科学库使用（Pandas、Numpy和Matplotlib）、数据分析介绍和数据分析工具使用三部分。通过对本方案的完整学习，可以帮助掌握数据分析基本技能。同时我们也将提供专属的视频直播学习通道。

任务路线：论文数据统计 -> 论文作者统计 -> 论文代码统计 -> 论文种类分类 -> 作者信息关联

组队学习周期：15天

学习名额：上限200人

定位人群：熟悉数据挖掘的基本方法，对学习数据分析掌握比赛技巧有需求的学习者。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）

Task04：论文种类分类（3天）

• 学习主题：论文种类分类（数据建模任务），利用已有数据建模，对新论文进行类别分类；

• 学习内容：使用论文标题完成类别分类；

• 学习成果：学会文本分类的基本方法、TFIDF等；

2 /编程实践（LeetCode 腾讯精选练习50）

开源贡献：姚行志，韩绘锦，徐韬，马燕鹏

组队学习说明：每天刷三道题，利用20天完成Leetcode腾讯精选练习50题，主动讨论并总结。

任务路线：每天三道算法题，期间包含讨论总结环节。

组队学习周期：20天

学习名额：上限100人

定位人群：编程语言学习者，难度系数中

每个任务完成大概所需时间：3-5h

任务预览（1天）

Task03：完成以下三个题目并打卡（1天）

• 011 盛最多水的容器

• 014 最长公共前缀

• 015 三数之和

注释：考虑到一天三道题的强度较高，本次学习安排了讨论总结环节，以便学习者回顾、总结和调整。

3 /数据挖掘（异常检测）

开源贡献：梁家晖，李玲，李芝翔，赵可，陈信达

组队学习说明：理解传统的异常检测方法原理，并具备基本的调用相应python库进行操作的能力。

任务路线：异常检测介绍、基于统计学的方法、线性模型、基于相似度的方法等。

组队学习周期：14天

学习名额：上限100人

定位人群：熟悉数据挖掘的基本方法，对学习异常检测算法有需求的学习者。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）

Task02：基于统计学的方法（3天）

• 掌握基于高斯分布的异常检测方法

• 理解非参数异常检测方法

• 掌握HBOS算法
  

4 /自然语言处理实践（知识图谱）

开源贡献：吴晓均、杨开漠、康兵兵，周郴莲，王翔，超逸，王嘉鹏，陈安东，段秋阳

组队学习说明：理解知识图谱的基本原理，熟悉Neo4j并具备基本的调用相应python库进行操作的能力。

任务路线：知识图谱介绍、基于医疗知识图谱的问答系统操作介绍、Neo4j图数据库导入数据等。

组队学习周期：8天

学习名额：上限100人

定位人群：熟悉自然语言处理基本方法，对学习知识图谱算法有需求的学员。，难度系数中

每个任务完成大概所需时间：3-5h

任务预览（1天）

Task02：基于医疗知识图谱的问答系统操作介绍（1天）

• 引言

• 运行环境

• 搭建知识图谱

• 启动问答测试

• 代码目录介绍

参与学习

快速通道

1. 【数据分析之学术前沿趋势分析】开源地址
   https://github.com/datawhalechina/team-learning-data-mining/tree/master/AcademicTrends

2. 【编程实践】 开源地址
   https://github.com/datawhalechina/team-learning-program/tree/master/LeetCodeTencent

3. 【异常检测】 开源地址
   https://github.com/datawhalechina/team-learning-data-mining/tree/master/AnomalyDetection

4. 【知识图谱】 开源地址
   https://github.com/datawhalechina/team-learning-nlp/tree/master/KnowledgeGraph_Basic

5. 【Datawhale论坛】本期详细学习安排
   论坛链接：http://datawhale.club/t/topic/1012

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

1月9日（周六）中午12:00 在Datawhale社群（高校群和在职群）分享报名二维码，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。

最后，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。（已在的不需要重复加入！）直接获得名额：

分享获赞满30个或最用心留言10个

“为开源学习点赞↓

⬇️ 详细查看【寒假组队学习安排】