Datawhale_Learning涵盖了AI领域从理论知识到动手实践的学习内容
Datawhale是一个开源的AI学习社区，致力于构建一个纯粹的学习圈子，帮助学习者更好的成长，组队学习 计划的内容为Datawhale成员根据AI领域优秀的学习资料所设计的。内容覆盖编程基础、数学基础、数据科 学、机器学习、深度学习、理论应用等AI领域，我们不是内容的产生者，我们向优秀的资料和优秀的学习者致敬。
合作事宜请扫描请关注公众号，联系管理员
任务安排
- Task1：数组+链表(2天)
- Task2：栈+队列+递归(3天)
- Task3：排序+二分查找(2天)
- Task4：散列表（哈希表）+字符串(2天)
- Task5：二叉树+堆(2天)
- Task6：图(2天)
- Task7：递归+回溯+分治+动态规划(2天)
任务安排
选取腾讯精选练习（50 题）解答，每天1题
任务安排
- Task1：统计学基本知识+二项及泊松分布+大数定律+正态分布(2天)
- Task2：中心极限定理+置信区间(2天)
- Task3：假设检验(2天)
- Task4：线性回归+卡方分布+方差分析(2天)
任务安排
- Task1：环境搭建+python初体验+python基础讲解+ python数值基本知识(2天)
- Task2：列表+元组+string字符串+字符串格式化问题(2天)
- Task3：数组+集合+判断语句+三目表达式+循环语句(2天)
- Task4：函数关键字+定义+参数与作用域+返回值+file+os模块(2天)
- Task5：类和对象+正则表达式+re模块+ datetime模块+http请求(2天)
- Task6：飞机大战(2天)
任务安排
- Task1：基础界面+文件操作+基础单元格操作(3天)
- Task2：单元格引用+运算符+文本函数+逻辑函数+计算函数(2天)
- Task3：vlookup函数用法+match&index+双条件查找(2天)
- Task4：图表类型+图表类型选择指南+图表的构成要素(3天)
- Task5：数据透视表+实现数据分段统计+变更值汇总依据+设置三种值百分比+计算字段&计算项(2天)
任务安排
- Task0：github+jupyter(1天)
- Task1：第4章numpy+作业1(2天)
- Task2：第5章pandas(2天)
- Task3：第6章数据载入(2天)
- Task4：第7章数据清洗(2天)
- Task5：第8章数据联合(2天)
- Task6：第10章数据聚合(2天)
- Task7：第12章高阶pandas(2天)
- Task8：第9章matplotlib(2天)
- Task9：第11章时间序列大作业(2天)
- Task10：大作业+总结(3天)
任务安排
- Task1：软件安装及数据库基础+MySQL 基础 +项目【查找重复的电子邮箱，查找大国】(3天)
- Task2：MySQL 基础 （二）- 表操作【三个项目】+表联结【四个项目】(4天)
- Task3：MySQL 实战 - 6个项目(2天)
- Task4：MySQL 实战 - 5个复杂项目(2天)
任务安排
- Task1：get与post请求+正则表达式(2天)
- Task2：beautifulsoup+xpath(2天)
- Task3：selenium+IP(2天)
- Task4：实战大项目(2天)
任务安排
- Task1：线性回归算法梳理(2天)
- Task2：逻辑回归算法梳理(2天)
- Task3：决策树算法梳理(2天)
任务安排
- Task1：随机森林算法梳理(2天)
- Task2：GBDT算法梳理(2天)
- Task3：XGB算法梳理(3天)
- Task4：LightGBM算法梳理(3天)
任务安排
- Task1：
- Task2：
- Task3：
- Task4：
- Task5：
- Task6：
- Task7：
- Task8：
- Task9：
- Task10：
任务安排
- Task1：
- Task2：
- Task3：
- Task4：
- Task5：
- Task6：
- Task7：
- Task8：
- Task9：
- Task10：
任务安排
任务安排
- Task1：创建虚拟机+熟悉(2天)
- Task2：搭建Hadoop集群(3天)
- Task3：HDFS初步(2天)
- Task4：MapReduce初步(3天)
- Task5：Hive初步(2天)
- Task6：Spark初步(3天)
- Task6：实践(3天)
任务安排
- Task1：PyTorch的基本概念(2天)
- Task2：设立计算图并自动计算(2天)
- Task3：PyTorch实现Logistic regression(2天)
- Task4：PyTorch实现多层网络(2天)
- Task5：PyTorch实现L1，L2正则化以及Dropout(2天)
- Task6：PyTorch理解更多神经网络优化方法(2天)
- Task7：手写数字识别(2天)
任务安排
- Task1：快速了解keras(2天)
- Task2：keras的网络层(2天)
- Task3：数据预处理(2天)
- Task4：keras其他功能(3天)
任务安排
- Task1：感知机(2天)
- Task2：神经网络(3天)
- Task3：深度神经网络DNN(3天)
- Task4：CNN(2天)
- Task5：CNN的发展上的几种常见算法、网络结构以及它们的优缺点(3天)
- Task6：CNN算法的应用（3天）
- Task7：RNN（3天）
- Task8：GRU及LSTM（3天）
任务安排
任务安排
- 预备任务：tensorflow安装+tensrflow基础+NLP
- Task1：数据集探索（2天）
- Task2：特征提取（2天）
- Task3：特征选择（2天）
- Task4：传统机器学习+讨论（2天）
任务安排
- Task1：数据集探索（2天）
- Task2：神经网络基础（2天）
- Task3：简单神经网络+讨论（2天）
- Task4：卷积神经网络（2天）
- Task5：循环神经网络（2天）
- Task6：Attention原理+讨论（2天）
- Task7：Bert+讨论（2天）
任务安排
- Task1：运行原理，RDD设计，DAG，安装与使用(3天)
- Task2：RDD编程，熟悉算子，读写文件(3天)
- Task3：DataFrame,SparkSQL (2天)
- Task4：MLlib流设计，特征工程 (2天)
- Task5：逻辑回归，决策树(2天)
任务安排
- Task1：初识opencv(2天)
- Task2：灰度变换和二值化(3天)
- Task3：滤波操作(4天)
- Task4：形态学处理 (4天)
- Task5：图像分割1(2天)
- Task6：图像分割2(2天)
版权声明：Datawhale_Learning组队学习内容仅用于学习、研究和交流。版权归Datawhale、文章作者和组队学习 内容设计者所有，严禁用于商业用途，违者必究。