十月组队学习来了！

Posted 2021-10-27 Datawhale

↑↑↑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

在假期结束前开启学习！本月组队学习，包含了机器学习、数据科学、深度学习、数理基础、青少年编程5个模块，共8个学习内容。

厦大、浙大、南大的同学还可以在校内参与学习。Datawhale和厦大WISER CLUB、浙大人工智能协会、南大人工智能协会将一起协作，在学习内容、学习机会、就业内推等方面进行资源共享。加入方式：

厦门大学：厦门大学WISER CLUB，qq群：1017618468

浙江大学：浙江大学人工智能协会

南京大学：南京大学人工智能协会

文末有报名方式

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：从学习者到加入组织》。

开源学习

机器学习

1 /吃瓜教程—西瓜书+南瓜书

开源贡献：谢文睿、秦州、邱振波

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：100人

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、初晓宇

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：100人

任务节选

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 /树模型与集成学习

开源贡献：耿远昊、姜萌

内容说明：本课程对机器学习中的集成学习模型进行理论讲解和代码实践，带领读者使用numpy构建相关模块，深入理解算法原理与实现。

任务路线：涵盖了决策树、集成模式、随机森林、孤立森林、adaboost、GBDT、XGBoost与LightGBM内容的详细介绍

学习周期：27天

定位人群：有本科数学基础和numpy基础的同学

学习名额：100人

任务节选

Task03：集成模式（3天）

• 为何集成

• bagging与boosting

• stacking与blending

数据科学

4 / 时间序列分析

开源贡献：李岳昆、易远哲、王洲烽

内容说明：时间序列是数据分析中的重要部分，本次学习旨在从基础的概率论统计知识入手，从零开始时间序列分析，学好本课程可以为更加复杂的时间序列统计学模型打好基础，以解决更为困难的实际问题。

任务路线：从零入手，涵盖简单的时间序列模型如移动平均法以及较为复杂的ARMA复合时间序列分析。

组队学习周期：11天

定位人群：有本科数学基础的同学

学习名额：100

⚠️ 特别提示：本课程使用数据分析领域常用工具-R语言

任务节选

Task01 手算时间序列（2天）

• 几种移动平均和指数平滑的处理方法

• 编写相应代码实践

深度学习

5 / 深入浅出Pytorch

开源贡献：李嘉骐、牛志康、刘洋、陈安东、叶志雄

内容说明：PyTorch理论与实践结合，由基础知识到项目实战，附有直播答疑

任务路线：围绕Pytorch，由安装、基础知识，到深度学习模块，基础实战。

组队学习周期：10天

定位人群：具备本科数学基础，有一定的机器学习和深度学习基础的同学。

学习名额：100人

任务节选

Task02：PyTorch基础知识（3天）

• 张量及其运算

• 自动求导简介

• 并行计算、CUDA和cuDNN简介

6 / CV中的Transformer

开源贡献：安晟、尚育鹏、袁明坤、闫永强

内容说明：Transformer横空出世后，近期也在CV方向也火热起来，分类、检测、分割三大方向均取得了不错的成果。本次学习目的是通过一个独特视角，带领大家了解Transformer如何应用到CV领域中。

任务路线：学习内容大致分为两部分：介绍Transformer本身的原理和实现，介绍如何利用Transformer进行OCR字符识别。

学习周期：10天

定位人群：有一定深度学习基础，了解pytorch的基本使用。

学习名额：100人

⚠️ 特别提示：本课程属于“动手学CV”专题第6章内容

任务节选

Task01：Transformer原理学习（7天）

 数理基础

7 /机器学习数学基础【第三期】

开源贡献：李祖贤、张智涵、邱广坤、戴治旭、黄浩霖

内容说明：本课程主要针对希望系统学习大学数学，或者是想为深造机器学习补充数学基础的的同学，考研的同学也可一起来学，前提是必须要跟上节奏，不能掉队。

任务路线：从8月份贯穿到12月份带着同学们一起复习高等数学、线性代数、概率论与数理统计的知识点，以及一起进行刷题练习。

学习周期：8月至12月共5期，10月份内容为行列式 至 不等式与等式计算及证明

定位人群：补充数学基础的同学

学习名额：100人

⚠️ 特别提示：本课程为长篇连载课程，可在当月组队学习开始时加入该阶段学习

任务节选

Task09：数理统计（4天）

青少年编程

8 /Scratch 三级

开源贡献：王思齐、马燕鹏

内容说明：抽取电子学会青少年编程能力等级测试图形化三级的真题来组成试卷，在做题目的过程中掌握图形化编程的基本知识。

任务路线：由于测试题目为往年电子学会Scratch三级考试的真题，所以通过做题来掌握Scratch三级考试的知识点，为通过考试做准备。

学习周期：15天

定位人群：对图形化编程感兴趣的小朋友（小学3年级及以上）

学习名额：100人

任务预览

Task04：测试四（3天）

• 判断题、选择题测试

• 编程题测试

参与学习

快速通道

⭐ 为难度系数

1.  吃瓜教程——西瓜书+南瓜书⭐⭐

开源内容：https://github.com/datawhalechina/pumpkin-book

2. 李宏毅机器学习⭐⭐

开源内容github：https://github.com/datawhalechina/leeml-notes

开源内容 gitee ：https://gitee.com/datawhalechina/leeml-notes

3. 树模型与集成学习⭐⭐⭐

开源内容：https://datawhalechina.github.io/machine-learning-toy-code

4. 时间序列分析 ⭐⭐

开源内容：https://github.com/datawhalechina/team-learning-data-mining/tree/master/TimeSeries

5. 深入浅出Pytorch⭐⭐⭐

开源内容：https://github.com/datawhalechina/thorough-pytorch

6. CV中的Transformer⭐⭐⭐

开源内容：https://github.com/datawhalechina/dive-into-cv-pytorch 第六章

7. 机器学习数学基础⭐⭐

开源内容：https://github.com/datawhalechina/team-learning-data-mining/tree/master/Mathematics

8. Scratch 三级⭐

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

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

组队学习报名

▶ 时间：10月9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。

学习推荐

如果你参与过Datawhale学习/贡献，或者关注Datawhale超过两个月时间，在朋友圈分享这篇文章获16个赞，发送截图到后台，审核后可获得优先学习名额。

一键三连，一起学习⬇️