马上就要开始啦
这次共组织15个组队学习
涵盖了AI领域从理论知识到动手实践的内容
按照下面给出的最完备学习路线分类
难度系数分为低、中、高三档
可以按照需要参加
- 学习路线 -
基础知识
01 统计学
课程设计：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：7天
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
任务预览（2天）
学习内容 1：统计学基本知识、二项及泊松分布
学习内容 2： 大数定律、正态分布
02 Python基础
课程设计：马晶敏，叶梁、许辉
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
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
任务预览（2天）
环境搭建
1.python初体验
2.python基础讲解
3.python变量特性+命名规则、注释方法、python中“：”作用、学会使用dir( )及和help( )、import使用、pep8介绍
- python数值基本知识
python中数值类型，int，float，bool，e记法等、算数运算符、逻辑运算符、成员运算符、身份运算符、运算符优先级
03 编程
课程设计：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：14天甚至往上大概16天左右（周末进行整体整理讨论）（每天任务时间具体看任务情况）
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：平均每天学习时间在1个小时左右，晚上统一，半个小时进行集体讨论总结打卡。
任务预览（2天）
【数组】
实现一个支持动态扩容的数组
实现一个大小固定的有序数组，支持动态增删改操作
实现两个有序数组合并为一个有序数组
学习哈希表思想，并完成leetcode上的两数之和(1)及Happy Number(202)！(要求全部用哈希思想实现！)（选做）（注意：在第四天会进行继续学习）
练习：
Three Sum（求三数之和）
Majority Element（求众数）
Missing Positive（求缺失的第一个正数）
【链表】
实现单链表、循环链表、双向链表，支持增删操作
实现单链表反转
实现两个有序的链表合并为一个有序链表
实现求链表的中间结点
练习：
Linked List Cycle I（环形链表）
Merge k Sorted Lists（合并 k 个排序链表）
04 leetcode
课程设计：老表、于鸿飞、杨皓博
组队学习说明：Leetcode刷题组队学习，从零开始每天一道算法题，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：腾讯精选练习（50 题）顺序每天一道题。
地址链接:
leetcode-cn.com/problemset/…
组队学习周期：50天(50题全部完成即结束)
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
课程内容：选取腾讯精选练习（50 题）解答
数据分析/挖掘
01 Excel入门课程
课程设计：杨煜，李严
组队学习说明：职场人士必备学习内容。通过集中式学习和大量实战练习，快速了解并掌握Excel核心功能，保证今后工作中用得到。
任务路线：基础界面(2天) --> 基础文件操作&单元格操作(2天) --> 基础函数(2天) --> 查找函数vlookup和 match/index(2天) --> 基础图表(3天) --> 数据透视表(2天)
组队学习周期：11天
定位人群：小白或有一点基础但不熟练的人群；初入职场人群必学；难度系数低
每个任务完成大概所需时间：2-3h/每天
任务预览（2天）
文件操作
新建workbook
新建sheet/移动sheet/重命名sheet/修改sheet颜色、sheet种类: 工作表/图表/宏表等、保存为xls/xlsx/csv
基础单元格操作
输入数据、数据格式、合并单元格、自动填充、选择性粘贴、去重、分列、排序、筛选、条件格式、插入下拉列表、行高列宽设置、冻结首行首列、边框、单元格换行
作业:
任务一：
生成一个行高30，列宽15（第六列列宽45），名为“Excel组队学习”的表，冻结窗格1-3行
任务二：
操作对象为任务一生成的“Excel组队学习”表
将第六列分列，效果如下
利用条件格式，将薪资列大于8000的收入填充为深绿色，并将它们筛选出来
第二列将重复值删除，只保留唯一值
02 MySQL
课程设计：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：（7天）
定位人群：小白，难度系数小
每个任务完成大概所需时间：2-3h
任务预览（3天）
软件安装及服务器设置。
数据库基础知识
MySQL数据库管理系统
SQL是什么？MySQL是什么？
查询语句 SELECT FROM
筛选语句 WHERE
分组语句 GROUP BY
排序语句 ORDER BY
SQL注释
SQL代码规范
03 爬虫
课程设计：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：7天
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
任务预览（2天）
-
学习get与post请求，尝试使用requests或者是urllib用get方法向https://www.baidu.com/发出一个请求，并将其返回结果输出。
-
如果是断开了网络，再发出申请，结果又是什么。了解申请返回的状态码。
-
了解什么是请求头，如何添加请求头。
-
学习什么是正则表达式并尝试一些正则表达式并进行匹配。
-
然后结合requests、re两者的内容爬取https://movie.douban.com/top250里的内容
-
要求抓取名次、影片名称、国家、导演等字段。
04 数据分析
课程设计：金娟娟
组队学习说明：学习python for data analysis基础知识
任务路线：python基础-重要的python库（numpy/pandas/matplotlib/seaborn等)-数据清洗和分析
组队学习周期：15天
定位人群：数据分析小白，难度系数低
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
机器学习
01 初级算法梳理
课程设计：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：7天
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；难度系数低
每个任务完成大概所需时间：2-3h
任务预览（2天）
- 机器学习的一些概念
有监督、无监督、泛化能力、过拟合欠拟合(方差和偏差以及各自解决办法)、交叉验证
-
线性回归的原理
-
线性回归损失函数、代价函数、目标函数
-
优化方法(梯度下降法、牛顿法、拟牛顿法等)
-
线性回归的评估指标
-
sklearn参数详解
学习时长：两天
参考：西瓜书
cs229吴恩达机器学习课程
李航统计学习
谷歌搜索
02 高级算法梳理
课程设计：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：7天
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
如何申请CSDN博客：blog.csdn.net/sxhelijian/…
12分钟教你如何使用Markdown：www.bilibili.com/video/av881…
MarkDown公式编辑：katex.org/docs/suppor…
每个任务完成大概所需时间：2-3h
任务预览（2天）
【参考框架】欢迎有自己的框架
-
集成学习概念
-
个体学习器概念
-
boosting bagging
-
结合策略(平均法，投票法，学习法)
-
随机森林思想
-
随机森林的推广
-
优缺点
-
sklearn参数
-
应用场景
03 李宏毅机器学习(一)
课程设计：王佳旭，李威，排骨，金一鸣
组队学习说明：通过观看李宏毅教学视频，团队整理详细笔记进行梳理算法，并且通过团队布置的任务理解算法(小作业，核心代码，大作业等)，完全手写代码，不调包。
学习路线：回归，决策树，SVM，XGBoost
学习周期：1个月
定位人群：python基础，数据分析，基础数学等知识；
难度系数：高
每个任务完成大概所需时间：每天2-4小时不等，根据个人学习能力强弱有所浮动
参考资料：
李宏毅课程教学
机器学习实战
Datawhale整理的《学习李宏毅》笔记
04 西瓜书
课程设计：黑桃
组队学习说明：通过学习周志华老师的《机器学习》，以博客的形式完成算法的整理
学习路线：模型评估与选择-->线性模型-->决策树-->神经网络-->支持向量机-->贝叶斯分类-->集成学习-->聚类-->降维与度量学习-->特征选择与稀疏学习-->半监督学习-->概率图模型-->规则学习-->强化学习
学习周期：14周
定位人群：掌握基础数学等知识；
难度系数：高
每个任务完成大概所需时间：每天2-4小时不等，根据个人学习能力强弱有所浮动
参考资料：《机器学习》、《机器学习公式推导版》、cs229
05 数据挖掘
课程设计：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
任务预览（2天）
要求：数据切分方式 - 三七分，其中测试集30%，训练集70%，随机种子设置为2018
任务1：对数据进行探索和分析。时间：2天
-
数据类型的分析
-
无关特征删除
-
数据类型转换
-
缺失值处理
-
……以及你能想到和借鉴的数据分析处理
深度学习
01 Pytorch基础
课程设计：许辉 李奇锋
组队学习说明：通过学习pytorch的基本操作，最终完成手写数字的识别
任务路线：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
学习周期：7天
定位人群：熟悉python的基础用法
任务完成所需时间：2-3h/天
难度系数中
任务预览（2天）
-
什么是Pytorch，为什么选择Pytroch？
-
Pytroch的安装
-
配置Python环境
a. 准备Python管理器
b. 通过命令行安装PyTorch
c. PyTorch基础概念
-
通用代码实现流程(实现一个深度学习的代码流程)
理论应用
01 自然语言处理(理论+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，基本框架的基础（例如TensorFlow、Keras和pyTorch等）！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
任务预览（2天）
-
IMDB数据集下载和探索(参考TensorFlow官方教程)
-
THUCNews数据集下载和探索（参考博客中的数据集部分和预处理部分）
-
学习召回率、准确率、ROC曲线、AUC、PR曲线这些基本概念
组队学习将从8号陆续开始报名