Datawhale发布
负责人:苏鹏,Datawhale成员
我们计划让黑板报承担起 Datawhale 社区信息地图的作用,在黑板报里你可以看到社区里面每个项目或者小组的动态以及进展,与此同时我们也会将每个部分可以参与的内容开放出来,让每个人都有机会参与到社区建设中来,我们也正在调整以贡献为导向的社区结构,希望下一个加入 Datawhale 的同学就是你!
关于为什么要发起社区黑板报请见《Datawhale 社区黑板报(第1期)》
《Datawhale熊猫书》出版了!
英特尔 x Datawhale联合认证发布!
Jina AI 联合Datawhale,发起学习项目!
《如何打一场数据挖掘赛事》入门版
《如何打一场数据挖掘赛事》进阶版
组织治理小组近期设计了 Datawhale 社区的新版组织架构
架构图在新版的社区组织架构中,我们将 Datawhale 社区划分为七个小组,每个小组由负责人与贡献者构成,接下来 Datawhale 社区会定期对有贡献的社区成员进行颁奖,获奖者可获得 Datawhale member 身份,每年度我们会在 Datawhale member 中选举出 Datawhale core team 成员,负责规划 Datawhale 社区的发展方向,协调 Datawhale 社区资源。
作为学习者,你可以关注黑板报并积极参与你感兴趣的事情中,获得贡献者的身份
作为贡献者你可以持续关注优化相应小组的各项流程,获得负责人身份
每个 Datawhale 社区成员在定期的颁奖中都有资格获得提名,并根据所作贡献的大小得到对应的荣誉,并成为 Datawhale member
每个 Datawhale member 均有机会被选举成为 Datawhale core team 成员,在 Datawhle 社区持续做出贡献
下面对每个小组所做的工作进行介绍(关于每个小组更多详细的内容,我们会持续的进行调整与完善,可以持续关注黑板报)
组织治理
优化社区组织架构
整理社区黑板报
收集问题并持续推动各小组进行流程优化
概要:负责推动组织持续发展,包括组织架构、文化、制度等工作
负责人:苏鹏
产品技术
概要:负责通过产品和技术满足学习者/社区发展的需求
网站负责人:谢文昕
小程序负责人:光城
社区建设
概要:负责推动社区持续发展,帮助 Datawhale 成员以及学习者成长,提升社区影响力
开源学习联盟负责人:范晶晶
社群负责人:李碧涵
开源项目
推动建设开源教程
推动打造开源软件
概要:负责推动开源教程与开源软件等
负责人:谢文睿
开源学习
推动协调 Datawhale 组队学习
完善组队学习内容,发掘社区人才
概要:负责推动组队学习
负责人:马燕鹏
交流分享
内容:负责 Datawhale 社区经验分享、读书分享、论文分享、干货分享等
读书分享负责人:蓝昔
论文分享负责人:芙蕖
技术分享负责人:司玉鑫
活动志愿
组织各城市线下聚会,可以是运动,沙龙,聚餐等等形式,帮助 Datawhale 社区成员构建更为紧密的连接
Datawhale 年会
内容:负责推动有助于组织或社区成员发展的活动
负责人:暂无
近期产品技术小组在持续迭代 Datawhale 社区官网,目前已经将学习项目,培养方案,竞赛实践,干货文章集成到网站当中,欢迎大家持续关注:https://linklearner.com/datawhale-homepage
同样目前小程序也在持续开发当中,也欢迎大家对使用当中遇到的问题进行反馈,例如:https://github.com/datawhalechina/DOPMC/discussions/74
近期社区建设小组主要在推进 Datawhale 高校联盟的各项事宜。高校联盟倡导开源学习,通过开放协作的学习方式,帮助在校学生找到有意义的工作,建立有意义的人际关系,目前已经连接到高校近50所。
近期有两个新的开源项目成功立项,例如:
LeetCode 算法刷题笔记:https://github.com/datawhalechina/DOPMC/issues/69
视频搜素剪辑项目 VCED:
https://github.com/datawhalechina/DOPMC/issues/67
同时开源项目小组完善了新的立项流程与规范,通过 ISSUE 模板填写立项的具体内容,完整流程请见:
https://github.com/datawhalechina/DOPMC/issues
我们八月的组队学习即将开始,开源学习小组近期在持续优化与建设组队学习的各项流程,目前已经打造以领航员与航海士等多种角色为一体的开源组队学习模型,关于组队学习模型介绍请见:《组队学习航海士》
同样也欢迎大家对目前组队学习过程中遇到的问题进行反馈,例如:
新手入门必备知识技能汇总:https://github.com/datawhalechina/DOPMC/discussions/73
课程流程模板优化:https://github.com/datawhalechina/DOPMC/discussions/72
目前交流分享小组以论文分享为重点,希望帮助大家了解领域内的最新研究动态,大家共同学习思考,提升科研能力,目前已排期的论文请见 Topic9 ,具体时间安排如下:
NLP 论文分享:每周日 晚上 九点
CV 论文 分享:每周日 晚上 九点
Res 论文分享:每周六 晚上 九点半
如果你参与过Datawhale 社区事宜,欢迎填写你做过的贡献,我们将在 Datawhale 社区颁奖评选中进行参考,提交链接:
https://wenjuan.feishu.cn/m?t=seYIoDEFWMEi-xtfi
datawhale【第40期】组队学习【08月13日】就要开营啦,目前还缺若干志愿者跟一起来做本月的组队学习公益活动!
吃瓜教程——西瓜书+南瓜书
动手学数据分析
李宏毅机器学习(含深度学习)
数据可视化(Matplotlib)
SQL编程语言
深入浅出PyTorch
采蘑菇教程——Easy-RL:强化学习
pandas数据处理与分析
GitModel-统计分析(下)
如何用Intel -OpenVINO工具包构建AI应用
共读吴军的《计算之魂》
招募【若干名领航员(原运营助教)】,负责相应课程的开营、结营、任务打卡提醒与学习者流出,要求招募者具有比较棒的沟通能力,如果有专业基础就更棒了。
招募【若干名航海士(原专业助教)】,负责群内解答学习者的疑惑,组织船长们一起评选优秀作业。
联系人:马燕鹏
微信:ncepulsgogroup
高校联盟计划面向联盟成员推出如下活动:1、共建《Datawhale人工智能培养方案》;2、定期的线上分享交流,由联盟成员轮流推荐分享人;3、每月的线上学习组织;4、数据竞赛实践,成绩可以作为考研、实习等所需履历的证明。
欢迎在高校的同学、老师、协会、社团等参与:
https://xj15uxcopw.feishu.cn/docx/doxcnML3Hm4inYGRgM3Z5Ige2Qf
目前在组织治理方面可参与的内容有:
优化组织架构,让组织在有活力的基础上尽量扁平
构建组织内的信息地图,让信息更透明快速的进行流转
设计组织的奖励机制,让有贡献的人得到应有的反馈
如果你对组织治理比较感兴趣,欢迎加入 Zuilp 频道共同交流,链接:
https://datawhale.zulipchat.com/join/uyn5pmij47vf25xectobrdgw/
项目负责人:苏鹏
微信:subranium
目前在交流分享方面可参与的内容有:
NLP,CV,推荐系统,机器学习,多模态相关领域论文分享嘉宾或参与者
联系人:芙蕖
微信:MePhyllis
Community 主要负责对 Datawhale 社区各开源项目的全流程进行引导,主要包括开源项目的开放式沟通建设,全流程状态跟踪以及持续性迭代设计
设计开源项目流程状态自动跟踪流程
项目开放式沟通建设,熟悉 Discord,Slack,邮件组,Zulip等
项目规范化建设,例如项目 Raodmap 发布的流程,项目协作方式内容沉淀建设等
持续收集项目动态,进行问题反馈以及辅助建设
项目负责人:苏鹏
微信:subranium
该框架基于Pytorch研发,核心特性是轻量、易用、易拓展,致力于将推荐系统领域的模型进行统一实现,在支持主流排序、召回模型的基础上,着重研究前沿的生态化的推荐场景论文复现,最终展现形式是发布并维护Pypi开源社区的一个package。
持续招募推荐算法相关人员,具体可做内容 https://www.wolai.com/rechub/6td5pL5eMXugbDA8w3QGoU
项目负责人:赖敏材
微信:laimc01
Github地址:https://github.com/datawhalechina/torch-rechub
该项目希望大家能够掌握由浅入深地了解 PyTorch 的基本知识和内容,经过自己的动手实践加深操作的熟练度。同时通过项目实战,充分锻炼编程能力,掌握 PyTorch 进行深度学习的基本流程,提升解决实际问题的能力。
补充深度学习相关知识(包括卷积,池化,全连接,激活函数,dropout,batch normalization,BP反向传播)(2人)
补充计算机视觉领域、自然语言处理领域,语音处理相关简介(类比一篇论文的introduction,只需说明是什么,有哪些方法即可)(多人)
介绍人工智能发展简史、DL,ML,AI三者之间的关系(1人)
介绍评价相关指标(混淆矩阵, accuracy, precision, recall, F1 score)(1人)
Jupyter notebook或Jupyter Lab相关操作(1人)
一些经典代码的解读(包括但不限于ResNet,GoogleNet,MobileNet,RCNN系列,SSD,YOLO系列,transformer系列,ViT,Detr,BERT,GPT系列,CLIP,GAN相关)(该任务意在介绍一些真正的代码工作是如何写的,建议解读的是PyTorch源码、官方实现的代码或者一些标准库代码包括但不限于timm等)(多人)
项目负责人:牛志康
微信:ZhikangNiu_Wechat
负责人邮箱: [email protected]
Github地址:https://github.com/datawhalechina/thorough-pytorch
一起学习,点赞三连↓