第15期 Datawhale 组队学习活动马上就要开始啦！

本次组队学习的内容为：Python编程语言、自然语言处理实践（新闻文本分类）。

大家可以根据我们的开源内容进行自学，也可以加入我们的组队学习一起来学。

• 内容设计：徐韬、马燕鹏
• 教辅人员：马燕鹏、徐韬、何煊、韩绘锦、任帅
• 学习周期：17天 2-3h/天
• 学习形式：理论学习 + 练习
• 人群定位：Python小白，对Python语言有兴趣。
• 先修内容：无
• 难度系数：低

• 了解Python的基础数据类型与运算。
• 掌握Python基础的语言结构与异常判断。
• 掌握列表、元组、字典和字符串等Python数据类型。
• 理解Python函数的概念与相关用法。
• 掌握Python类与对象用法，理解Python面向对象的特性。
• 了解Python处理文件与操作文件系统过程。

理论部分

• 了解python中基本的变量类型，运算符，及数据类型。
• 了解python的位运算。

练习部分

• 课后思考题
• leetcode练习题

理论部分

• 掌握基本的条件，循环语句的使用。
• 掌握assert断言break,continue，pass，等语句的使用。
• 熟悉推导式的用法。

练习部分

• 课后思考题
• 龟兔赛跑游戏

理论部分

• 了解可能会出现的各类异常。
• 熟练掌握try_except_finally结构，使用raise语句抛出指定的异常。

练习部分

• 猜字游戏

理论部分

• 掌握列表的定义与创建。
• 熟练添加、删除和获取列表中的元素。
• 了解列表的常用操作符及其他方法。

练习部分

• 列表操作练习
• 课后思考题
• leetcode练习题

理论部分

• 掌握元组定义，熟悉创建和访问元组。
• 熟悉更新和删除元组。
• 了解元组相关的操作符和内置方法，以及解压元组。

练习部分

• 课后思考题
• 知识扩展

理论部分

• 掌握字符串的定义。
• 熟悉字符串的切片和拼接。
• 掌握字符串的常用内置方法和格式化。

练习部分

• 字符串操作练习
• 实现isdigit函数
• leetcode练习题

理论部分

• 掌握字典的定义，创建和访问字典。
• 熟悉字典的可变类型和不可变类型。
• 了解字典的内置方法。

练习部分

• 字典操作练习
• 编程练习

理论部分

• 掌握集合的创建与访问，熟悉集合的内置方法。
• 熟悉集合的转换，了解不可变集合。
• 熟悉针对序列的内置函数。

练习部分

• 集合操作练习
• 序列内置函数练习

理论部分

• 掌握函数的定义与调用，熟悉函数灵活的参数形态。
• 熟悉变量的作用域和递归函数。
• 熟悉匿名函数和定义与应用。

练习部分

• 课后思考题
• lambda表达式应用
• 汉诺塔游戏

理论部分

• 掌握类、对象和实例对象之间的关系，熟悉类的继承与多态。
• 理解self的含义，熟悉类的公有和私有，了解绑定的概念和相关内置函数。
• 了解Python的魔法方法，理解Python面向对象特性的基础。

练习部分

• 课后思考题
• 编程实践

理论部分

• 了解python的模块定义，理解python的命名空间。
• 熟悉python模块的引用方法与搜索路径。
• 了解并应用datetime模块。

练习部分

• 课后思考题
• 编程实践

理论部分

• 掌握打开文件的open函数,熟练文件对象的操作方法与with语句使用方法。
• 掌握OS模块关于文件/目录常用的函数。
• 了解Python的序列化与反序列化，熟悉pickle模块。

练习部分

• 课后思考题
• 编程实践

• 菜鸟教程：https://www.runoob.com/python3/python3-tutorial.html
• 小甲鱼python基础入门：https://www.bilibili.com/video/av4050443

• 内容设计：刘羽中、张帆、陈海顺、但扬杰、王翔
• 教辅人员：周郴莲、胡明豪、朱鑫海
• 学习周期：15天 2-3h/天
• 学习形式：理论学习 + 练习
• 人群定位：有一定的Python和nlp基础，对参加天池新人赛有兴趣。
• 先修内容：Python编程语言、自然语言处理入门
• 难度系数：中

学习目标

• 理解赛题背景与赛题数据
• 完成赛题报名和数据下载，理解赛题的解题思路

本章作业

• 无

学习目标

• 学习使用Pandas读取赛题数据。
• 分析赛题数据的分布规律。

本章作业

• 假设字符3750，字符900和字符648是句子的标点符号，请分析赛题每篇新闻平均由多少个句子构成？
• 统计每类新闻中出现次数对多的字符。

学习目标

• 学会TF-IDF的原理和使用。
• 使用sklearn的机器学习模型完成文本分类。

本章作业

• 尝试改变TF-IDF的参数，并验证精度。
• 尝试使用其他机器学习模型，完成训练和验证。

学习目标

• 学习FastText的使用和基础原理。
• 学会使用验证集进行调参。

本章作业

• 阅读FastText的文档，尝试修改参数，得到更好的分数。
• 基于验证集的结果调整超参数，使得模型性能更优。

学习目标

• 学习Word2Vec的使用和基础原理。
• 学习使用TextCNN、TextRNN进行文本表示。
• 学习使用HAN网络结构完成文本分类。

本章作业

• 尝试通过Word2Vec训练词向量。
• 尝试使用TextCNN、TextRNN完成文本表示。
• 尝试使用HAN进行文本分类。

学习目标

• 了解Transformer的原理和基于预训练语言模型（Bert）的词表示。
• 学会Bert的使用，具体包括pretrain和finetune。

本章作业

• 完成Bert Pretrain和Finetune的过程。
• 阅读Bert官方文档，找到相关参数进行调参。