本月组队学习,包含推荐系统实践、Numpy入门(下)两个模块的路线学习。参与学习需要有一些Python基础。其中,推荐系统将结合Datawhale与天池发起的学习赛进行实践。
关于开源
Datawhale作为开源组织,更多是希望营造互促的学习氛围和纯粹的学习环境,所有学习内容和学习规划都将开源在Datawhale Github上,方便大家有监督和无监督学习,从而帮助到更多学习者成长。
开源内容
截止今日,Datawhale已经开源20多门学习内容,涉及编程、数据挖掘、cv、nlp、强化学习和推荐系统六大模块,这来自每一个开源贡献者的参与。
开源地址
https://github.com/datawhalechina/team-learning
组队学习
关于组队学习,顾名思义,就是一群志同道合的小伙伴聚集一起,一起学习,一起讨论,一起组队打boss,一起克服拖延症。其实没有老师,没有教学,有的是一群热爱学习和渴望改变的小伙伴,交流学习,互促共进。
开源学习
1 /Numpy入门(下)
组队学习周期:10天
定位人群:有一些Python基础,难度系数中每个任务完成大概所需时间:3-5h
任务预览(2天)
Task04:线性代数(2天)
熟悉Numpy如何处理矩阵乘法以及向量的内积
熟悉Numpy如何处理矩阵的特征值和特征向量
熟悉Numpy如何处理矩阵的各种分解,如SVD、QR和Cholesky分解
熟悉Numpy如何处理矩阵的范数、行列式和秩
熟悉Numpy如何处理逆矩阵和线性方程组求解
2 /推荐系统实践(新闻推荐)
每个任务完成大概所需时间:3-5h
任务预览(3天)
Task03:多路召回
熟悉常见的召回策略,如:itemcf, usercf以及深度模型召回等
了解当前场景下的冷启动问题,及常见解决策略,了解如何将多路召回的结果进行合并
完成多种策略的召回,冷启动及多路召回合并
完成召回策略的调参和召回效果的评估