新学期组队学习计划

新学期组队学习计划"/>

新学期组队学习计划

前言

吃喝睡是不可能的，唯有学习才能让我的心灵充实，才能让我的灵魂得到解脱升华。事不宜迟，来看看有哪些内容吧。（tips：黄色是史莱姆级，蓝色是哥布林级，红色是大魔王级哦。）

组队学习预告

1.初级算法梳理

设计：苏静、康兵兵

组队学习说明：通过查阅书籍或参考文献、学习视频等，对传统机器学习算法进行梳理

任务路线：线性回归--->逻辑回归--->决策树

组队学习周期：一周

定位人群：有概率论、矩阵运算、求导等基础数学知识；难度系数小

每个任务完成大概所需时间：2-3h

2. Python基础

设计：马晶敏，叶梁

组队学习说明：学习python基础知识，针对python小白的学习之路

任务路线：基础知识-函数-第三方模块-类和对象-基础爬虫

组队学习周期：10天

定位人群：python小白，难度系数低

课程内容：每个任务完成大概所需时间：每天平均花费时间2小时-4小时不等，根据个人学习接受能力强弱有所浮动

3. MySQL

设计：杨皓博，孙涛，杨煜

组队学习说明：一周内快速了解并掌握MySQL的主要内容。通过大量SQL语句的实战练习，可以在简历上写熟练掌握MySQL。(注意：本课程只关注SQL查询语句本身，对数据库的涉及较少。)

任务路线： 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

组队学习周期：一周

定位人群：小白，难度系数低

每个任务完成大概所需时间：2-3h

4.高级算法梳理

设计：黑桃，刘广月，于鸿飞

组队学习说明：通过查阅相关文献，对机器学习算法进行梳理

任务路线：RF--->GBDT--->XGB

组队学习周期：一周

定位人群：有概率论、矩阵运算、求导、泰勒展开等基础数学知识；难度系数中

每个任务完成大概所需时间：2-3h

5. 统计学

设计：王佳鑫、许辉

组队学习说明：学习内容涵盖统计学中所有的主要知识，并对其分部分进行梳理总结。

任务路线：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。

组队学习周期：一周

定位人群：微积分、基本概率知识储备，难度系数中

每个任务完成大概所需时间：2-3h

6. Leetcode

设计：于鸿飞、杨皓博

组队学习说明：Leetcode刷题组队学习，从零开始每周10道算法题，在良好的学习氛围下，培养刷题习惯，学习算法思想。(不限制编程语言)

任务路线：按照LeetCode默认题目顺序每周10道题。

组队学习周期：一周

定位人群：适合有一门语言基础的同学，难度系数中

每个任务完成大概所需时间：2-3h

7.知乎小组

设计：黑桃 ，李严

组队学习说明：负责到知乎回答问题，巩固自身所学的知识，同时提升个人和组织的影响力，小组以“包揽知乎最佳回答”为总目标

任务路线：自己选择较为熟悉领域的相关问题作答

组队学习周期：一周

定位人群：比较熟悉AI某领域，难度系数中

每个任务完成大概所需时间：2-3h

8. 算法梳理进阶(线性回归)

设计：黑桃

组队学习说明：对机器学习算法的概念，原理梳理。用Python语言【手写代码】实现每种算法。以加深对机器学习算法的理解。最后使用Python中相关的包来对实际问题进行数据预处理，分类和回归分析。为开发机器学习相关应用打下必要基础。

任务路线：理论梳理->简单线性回归代码实践->测评函数代码实践->多变量线性回归代码实践

组队学习周期：一周

定位人群：有Python基础，sklearn基础！难度系数中

每个任务完成大概所需时间：2-3h

9.数据竞赛

设计：胡稳，李振强，居居

组队学习说明：12天的时间实现数据预处理（TF-IDF与word2vec）、模型实践（朴素贝叶斯、SVM与LightGBM）以及模型优化的整套流程，一起组队完成数据竞赛。

任务路线：数据初识->数据处理->基本模型->实践模型优化->模型优化

组队学习周期：（12天）

定位人群：能够熟练使用python，难度系数中

每个任务完成大概所需时间：2-3h

10. 爬虫

设计：光城、李方

组队学习说明：

从零基础到能独立完成一个简易的爬虫项目

任务路线：请求→re→beautifulsoup

→lxml→selenium→IP问题→实战小项目

组队学习周期：一周

定位人群：有Python基础。难度系数中。

每个任务完成大概所需时间：2-3h/天

11.数据挖掘项目

设计：范晶晶、李碧涵

组队学习说明：应用机器学习算法，完整地走完一个数据挖掘项目流程

任务路线：数据分析→特征工程→模型构建→模型评估→模型调优→模型融合

组队学习周期：12天

定位人群：有Python基础，sklearn基础。难度系数中。

每个任务完成大概所需时间：2-3h/天

12. 编程

设计：光城 LeoLRH

组队学习说明：利用自己所熟知的编程语言，具有一定基础，讨论在面试中可能出现的数据结构问题，一起学习重温经典数据结构

任务路线：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

组队学习周期：18天

定位人群：有一门语言基础和算法基础的同学，难度系数高，小白慎入！！！

每个任务完成大概所需时间：2h，晚上统一半个小时进行集体讨论总结打卡。

13.自然语言处理-实践课程

设计：jepson

组队学习说明：学习自然语言处理理论，并且通过对某些数据集的文本分类任务不断优化来进行实践。

任务路线：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—>深度学习算法跑模型

定位人群：有Python基础，TensorFlow基础！难度系数高

组队学习周期：18天

每个任务完成大概所需时间：3-4h

所有队伍将在25号之后陆续开始学习，具体组队在学习群中参与

图片：伊小雪   Datawhale

排版：无    多   李    方