datawhale（2019暑期）组队学习资源汇总

• * 希望大家可以多分享参考链接
• datawhale 暑期组队
• datawhale 学习路线
  [TOC]

基础知识

Python基础

设计人	简介	面向对象	周期	难度	时间需求
马晶敏，叶梁	python基础知识	python小白	10天	低	2~4 h/d

学习路线
基础知识 → 函数 → 第三方模块 → 类和对象 → 基础爬虫

任务安排

ID	Content	Days
1	环境搭建 + python初体验 + python基础讲解 + python数值基本知识	2
2	列表 + 元组 + string字符串 + 字符串格式化问题	2
3	数组 + 集合 + 判断语句 + 三目表达式 + 循环语句	2
4	数组 + 集合 + 判断语句 + 三目表达式 + 循环语句	2
5	函数 + file + os模块 + datetime模块	2

参考链接

• Anaconda 下载地址推荐选Anaconda （python 3.7版本）
• IDE(pycharm-社区版) 下载地址
• 安装教程 (Anaconda+Jupyter notebook+Pycharm)
• Ubuntu 18.04 深度学习环境配置(CUDA9+CUDNN7.4+TensorFlow1.8)
• python(廖雪峰)学习笔记
• python(李金)入门笔记 提取码: 2bzh
• python视频教程
  廖雪峰python基础（文字）
  小甲鱼python基础（视频）
• * 希望大家可以多分享参考链接

Leetcode（算法）

设计人	简介	面向对象	周期	难度	时间需求
老表、于鸿飞、杨皓博	Leetcode刷题	语言基础的同学	50天	中	2~3 h/d

学习路线
选取腾讯精选练习（50 题）解答，每天一道算法题。

• 地址链接

任务安排（无）
无

参考链接
leetcode 解题思路图解(github)（文字+图片）
leetcode 题解最高星(github)（代码+文字）
leetcode 题解(C++, Python)（代码+文字）

• * 希望大家可以多分享参考链接

统计学

设计人	简介	面向对象	周期	难度	时间需求
王佳鑫、许辉	统计学中主要知识并梳理总结	语言基础的同学	7天	中	2~3 h/d

学习路线

• 根据所学习内容进行
  • （1）统计学基本知识、二项及泊松分布、大数定律、正态分布等内容的总结进行整体的回顾、梳理与完善
  • （2）中心极限定理、置信区间、 假设检验等内容的总结进行整体的回顾、梳理与完善。

任务安排

ID	Content	Days
1	统计学基本知识 + 二项及泊松分布 + 大数定律 + 正态分布	2
2	中心极限定理 + 置信区间	1
3	假设检验	2
4	线性回归 + 卡方分布 + 方差分析	2

• 学习内容：
  • （1）本次统计学学习以网易云可汗学院公开课为主：视频链接
  • （2）并以《深入浅出统计学》为辅：书籍链接

参考链接

• 数学基础：高等数学

• 数学基础：线性代数

• 数学基础：概率论与数理统计

• 可汗学院-统计学

• * 希望大家可以多分享参考链接

编程（数据结构）

设计人	简介	面向对象	周期	难度	时间需求
光城 、LeoLRH	学习重温经典数据结构	语言基础和算法基础的同学	16天*	高	1+0.5 h/d

• 学习时间未定，具体看（周末进行整体整理讨论）（每天任务时间具体看任务情况）

学习路线
数组 → 链表 → 栈 → 队列 → 递归 → 排序 → 二分查找 → 哈希表 → 字符串 → 二叉树 → 堆 → 图 → 回溯 → 分治 → 动态规划

任务安排

ID	Content	Days
1	数组 + 链表	2
2	栈 + 队列 + 递归	3
3	排序 + 二分查找	2
4	散列表(哈希表) + 字符串	2
5	二叉树 + 堆	2
6	图	2
7	递归 + 回溯 + 分治 + 动态规划	2

参考链接
MIT 数据结构（代码+文字）

• * 希望大家可以多分享参考链接

数据分析/数据挖掘

Excel入门

设计人	简介	面向对象	周期	难度	时间需求
杨煜，李严	了解并掌握Excel核心功能	小白	12天	低	2~3 h/d

学习路线（无）
无

任务安排

ID	Content	Days
1	基础界面 + 文件操作 + 基础单元格操作	3
2	单元格引用 + 运算符 + 文本函数 + 逻辑函数 + 计算函数	2
3	vlookup函数用法 + match&index + 双条件查找	2
4	图表类型+图表类型选择指南 + 图表的构成要素	3
5	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

参考链接
爱知趣 Excel（视频）

• * 希望大家可以多分享参考链接

MySQL

设计人	简介	面向对象	周期	难度	时间需求
杨皓博 孙涛 杨煜	了解并掌握MySQL主要内容	小白	8天	低	2~3 h/d

学习路线
MySQL软件安装及数据库基础 → 查询语句 → 表操作 → 表联结 → MySQL 实战 → MySQL实战 - 复杂项目

任务安排

ID	Content	Days
1	软件安装及数据库基础 + 查询语句	3
2	表操作	3
3	MySQL 实战	1
4	MySQL 实战 - 复杂项目	1

参考链接（无）
无

• * 希望大家可以多分享参考链接

数据分析

设计人	简介	面向对象	周期	难度	时间需求
金娟娟	了解并掌握数据分析*	小白	22 天	低	2~4 h/d

• 具体程度没有提及，有待了解

学习路线
以《python for data analysis》为辅，学习重要的python库

• 重要的python库（numpy/pandas/matplotlib/seaborn等) → 数据清洗和分析

任务安排

ID	Content	Days
预备	github + jupyter	1
1	第4章numpy + 作业1	2
2	第5章pandas	2
3	第6章数据载入	2
4	第7章数据清洗	2
5	第8章数据联合	2
6	第10章数据聚合	2
7	第12章高阶pandas + 作业2	2
8	第9章matplotlib + 作业3	2
9	第11章时间序列	2
10	大作业+总结	3

参考链接（书籍暂缺）

• 书籍下载链接（暂缺）
• * 希望大家可以多分享参考链接

爬虫

设计人	简介	面向对象	周期	难度	时间需求
光城、李方	了解并掌握爬虫*	Python基础	8 天	中	2~3 h/d

• 具体程度为：独立完成一个简易的爬虫项目

学习路线
请求 → re → beautifulsoup → lxml → selenium → IP问题 → 实战小项目

任务安排

ID	Content	Days
1	get与post请求 + 正则表达式	2
2	beautifulsoup + xpath	2
3	selenium + IP	2
4	实战大项目	2

参考链接

• python爬虫基础（南京大学 张莉老师）
• * 希望大家可以多分享参考链接

机器学习

算法梳理（初级）

设计人	简介	面向对象	周期	难度	时间需求
苏静、康兵兵	梳理传统机器学习算法	高数基础	6 天	低	2~3 h/d

学习路线
线性回归 → 逻辑回归 → 决策树

任务安排

ID	Content	Days
1	线性回归算法梳理	2
2	逻辑回归算法梳理	2
3	决策树算法梳理	2

参考链接

• 更多链接可以看datawhale-学习路线-#机器学习
• * 希望大家可以多分享参考链接

算法梳理（高级）

设计人	简介	面向对象	周期	难度	时间需求
黑桃，刘广月，于鸿飞	梳理机器学习算法	高数基础	10 天*	中	2~3 h/d

• 原文为 7 天

学习路线
RF（random forest） → GBDT （Gradient Boosting Decision Tree）→ XGB（eXtreme Gradient Boosting）

任务安排

ID	Content	Days
1	随机森林算法梳理	2
2	GBDT算法梳理	2
3	XGB算法梳理	3
3	LightGBM算法梳理	3

参考链接
西瓜书 读书笔记
西瓜书 公式推导
西瓜书 课后习题

• 更多链接可以看datawhale-学习路线-#机器学习
• * 希望大家可以多分享参考链接

深度学习

PyTorch

设计人	简介	面向对象	周期	难度	时间需求
许辉 李奇锋	学习pytorch基本操作*	Python 基础	14 天*	中	2~3 h/d

• 具体程度为：独立完成手写数字的识别
• 原文为 7 天

学习路线
安装pytorch → 设立图并计算 → 实现逻辑回归 → 构建多层神经网络 → PyTorch实现L1，L2正则化以及Dropout → 书写优化器代码 → 用PyTorch完成手写数字识别

任务安排

ID	Content	Days
1	PyTorch的基本概念	2
2	设立计算图并自动计算	2
3	PyTorch实现Logistic regression（对数几率回归）	2
4	PyTorch实现多层网络	2
5	PyTorch实现L1，L2正则化以及Dropout	2
6	PyTorch理解更多神经网络优化方法	2
7	手写数字识别	2

参考链接

• 更多链接可以看datawhale-学习路线-#机器学习
• * 希望大家可以多分享参考链接

理论应用

spark（入门）

设计人	简介	面向对象	周期	难度	时间需求
Summer	spark基础知识	spark小白	12 天	中	2~4 h/d

学习路线
运行原理 → 环境搭建 → RDD编程 → SparkSQL → MLlib → 常用算法

任务安排

ID	Content	Days
1	运行原理，RDD设计，DAG，安装与使用	3
2	RDD编程，熟悉算子，读写文件	3
3	DataFrame,SparkSQL	2
4	MLlib流设计，特征工程	2
5	逻辑回归，决策树	2

参考链接

• 更多链接可以看datawhale-学习路线-#机器学习
• * 希望大家可以多分享参考链接

数据挖掘实战

设计人	简介	面向对象	周期	难度	时间需求
范晶晶、李碧涵	完整走完数据挖掘项目	Python+sklearn基础	12 天	中	2~3 h/d

学习路线
运行原理 → 环境搭建 → RDD编程 → SparkSQL → MLlib → 常用算法

任务安排

ID	Content	Days
1	数据分析	2
2	特征工程	2
3	模型构建	2
4	模型评估	2
5	模型调优	2
6	模型融合	2

参考链接

• 更多链接可以看datawhale-学习路线-#机器学习
• * 希望大家可以多分享参考链接

NLP（基础）（理论+实践）

设计人	简介	面向对象	周期	难度	时间需求
jepson	NLP理论&优化实践	Python&框架基础	8天	高	3~4 h/d

学习路线
特征提取 → 特征选择 → 文本表示 → 传统机器学习算法跑模型 → LDA生成新特征

任务安排

ID	Content	Days
预备	tensorflow安装+tensrflow基础+NLP	1
1	数据集探索	2
2	特征提取	2
3	特征选择	2
4	传统机器学习+讨论	2

参考链接

• 更多链接可以看datawhale-学习路线-#机器学习
• * 希望大家可以多分享参考链接

NLP（进阶）（理论+实践）

设计人	简介	面向对象	周期	难度	时间需求
jepson	NLP理论&优化实践	NLP基础	14天	高	3~4 h/d

学习路线
特征提取 → 特征选择 → 文本表示 → 传统机器学习算法跑模型 → LDA生成新特征

任务安排

ID	Content	Days
1	数据集探索	2
2	神经网络基础	2
3	简单神经网络+讨论	2
4	卷积神经网络	2
5	循环神经网络	2
6	Attention原理+讨论	2
7	Bert+讨论	2

参考链接

• 更多链接可以看datawhale-学习路线-#机器学习
• * 希望大家可以多分享参考链接

NLP论文复现

设计人	简介	面向对象	周期	难度	时间需求
杨开漠，王翔	spark基础知识	NLP基础&论文学习	14 天*	高	3~4 h/d

• 1篇/周

学习路线
论文学习 → 研读模型 → 跑模型 → 针对学习中存在的问题进行后期讨论

任务安排

ID	Content	Days
1	论文1发布 + 论文研读笔记作业 + 后期讨论	7
2	论文2发布 + 论文研读笔记作业 + 后期讨论	7

参考链接

• 更多链接可以看datawhale-学习路线-#机器学习
• * 希望大家可以多分享参考链接