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。