第17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：数据挖掘实践（金融风控），该内容来自 Datawhale与天池联合发起的 零基础入门数据挖掘 - 贷款违约预测 学习赛的第一场。

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。

• 贡献人员：王贺、杨冰楠、陶旭东、吴争光、苏鹏、王程伟、担扬杰、成森、陈长沙、刘雯静
• 学习周期：14天
• 学习形式：理论学习 + 练习
• 人群定位：有一定数据分析与python编程的基础。
• 先修内容：Python编程语言
• 难度系数：中

• 理解赛题数据和目标，清楚评分体系。
• 完成赛题报名和数据下载，理解赛题的解题思路。

• EDA的价值主要在于熟悉数据集，了解数据集，对数据集进行验证来确定所获得数据集可以用于接下来的机器学习或者深度学习使用。
• 当了解了数据集之后我们下一步就是要去了解变量间的相互关系以及变量与预测值之间的存在关系。
• 引导数据科学从业者进行数据处理以及特征工程的步骤,使数据集的结构和特征集让接下来的预测问题更加可靠。
• 完成对于数据的探索性分析，并对于数据进行一些图表或者文字总结并打卡。

• 对于特征进行进一步分析，并对于数据进行处理。
• 完成对于特征工程的分析，并对于数据进行一些图表或者文字总结并打卡。

• 了解常用的机器学习模型，并掌握机器学习模型的建模与调参流程。
• 完成相应学习打卡任务。

• 对于多种调参完成的模型进行模型融合。
• 完成对于多种模型的融合，提交融合结果并打卡。

• 注册 CSDN、Github 或 B站等账户。
• 按照任务安排进行学习，完成后写学习笔记Blog 或 进行视频直播。
• 在每次任务截止之前在群内填写问卷打卡，遇到问题在群内讨论。
• 未按时打卡的同学视为自动放弃，被抱出学习群。

有关Datawhale组队学习的开源内容如下：

• 00 组队学习计划
• 01 编程语言与数据结构
• 02 数据挖掘基础算法
• 03 自然语言处理
• 04 计算机视觉
• 05 推荐系统

本次组队学习的 PDF 文档可到Datawhale的知识星球下载：