ShituoMa
ShituoMa
### 你是否已经阅读并同意《Datawhale开源项目指南》？ - [X] 我已阅读并同意[《Datawhale开源项目指南》](https://github.com/datawhalechina/DOPMC/blob/main/GUIDE.md) ### 你是否已经阅读并同意《Datawhale开源项目行为准则》？ - [X] 我已阅读并同意[《Datawhale开源项目行为准则》](https://github.com/datawhalechina/DOPMC/blob/main/CODE_OF_CONDUCT.md) ### 项目简介 本项目基于我的课程《数学建模导论——基于Python语言》整理而来，是为了帮助学生更好的学习数学建模、数据科学知识所用。可用于大学生参加数学建模竞赛，也可用作工作中的平时学习。万物皆可建模，人工智能的本质也是数学模型，所以我们开放这门课程的教程。课程一共包含十章内容，包括解析几何与方程模型、微分方程与动力系统模型、函数极值与规划模型、复杂网络与图论模型、进化计算与群体智能算法、数据处理与拟合模型、权重生成与评价模型、时间序列与投资模型、机器学习与统计模型、多模态数据处理模型等十个方面内容，旨在尽可能多地向大家展示数学建模中所用到的数学基础与算法知识，打造属于自己的数学建模宇宙。 ### 立项理由 在高校内参加数学建模竞赛的学生很多，出校园后学习有关知识的人也很多。目前还没有多少课程能够把datawhale以前的很多工作进行一个整合，在一门课程中总览式地讲述运筹优化、微分方程与有限元、图论、启发式算法、机器学习、时间序列、统计学等多种知识的，而这门《数学建模导论》做到了。我们有多年教学经验，这本教程也是基于我多年的经验汇编而成。旨在帮助学习者更好地理解数学建模知识，掌握技能。 ### 项目受众 本项目主要面向想要学习数学建模知识或准备数学建模竞赛的大学生，想要了解学习这方面技能的工作党也非常推荐。 ### 项目亮点 项目亮点：相比于市面上多个数学建模竞赛的讲解教程，本项目： - 用语通俗易懂，不像市面上很多教科书那么晦涩生硬，家常对话之中走进数学建模的大门 - 内容详实完备，相比之下是目前几乎所有数学建模教程里面内容最丰富算法最全面的教程 - 线索清晰明确，按照课程的大纲设置能够串联项目中所讲述的知识点，这是其他教程难以做到的 - 经验来自一线，项目的效果已经在一线教学中得到了实际检验，初步表现良好...
### 你是否已经阅读并同意《Datawhale开源项目指南》？ - [X] 我已阅读并同意[《Datawhale开源项目指南》](https://github.com/datawhalechina/DOPMC/blob/main/GUIDE.md) ### 你是否已经阅读并同意《Datawhale开源项目行为准则》？ - [X] 我已阅读并同意[《Datawhale开源项目行为准则》](https://github.com/datawhalechina/DOPMC/blob/main/CODE_OF_CONDUCT.md) ### 项目简介 本项目主要介绍Python科学计算的内容。我们将Python常用的工具例如numpy，scipy，sympy，matplotlib，pandas，networkx，statsmodels，sklearn的常见用法进行了汇总与讲解。可以作为聪明办法学Python的下游课程，也可以作为数学建模导论的前置课程。我们致力于为大家带来更简洁的科学计算方法。 ### 立项理由 Python语言作为一门通用性和专用性都很好的语言，由于其易学、开源受到程序员们的追捧。我在前面的工作里已经初步做好了Python数学建模导论的稿件，当然里面还有不少细节性问题正在修订ing。但是考虑到其中的知识密度高的有些硬核，我决定为它增加一门前置课程，就是现在你所看到的Python科学计算。 ### 项目受众 对科学计算感兴趣的学生或工作党，学习数学建模导论课程觉得有些困难的同学 ### 项目亮点 本项目相比于代码理论兼备的数学建模导论，知识密度更小，轻量化学起来更容易，内容实操性非常强，没有什么艰难的数学理论，所以对于纯动手的工科生更友好。 ### 项目规划 目录： - 1 Numpy及其基本使用 - 1.1...
### 你是否已经阅读并同意《Datawhale开源项目指南》？ - [X] 我已阅读并同意[《Datawhale开源项目指南》](https://github.com/datawhalechina/DOPMC/blob/main/GUIDE.md) ### 你是否已经阅读并同意《Datawhale开源项目行为准则》？ - [X] 我已阅读并同意[《Datawhale开源项目行为准则》](https://github.com/datawhalechina/DOPMC/blob/main/CODE_OF_CONDUCT.md) ### 项目简介 得益于datawhale在ICML2024的第一篇论文，我们正式成为一个出现在正式的论文学术研究当中的组织。因此，我们准备发起whale-research（datawhale-顶会收割机）小组，协同whalepaper小组共同推动组织成员之间学术论文撰写、投稿、研究、交流的平台建设。 ### 立项理由 得益于datawhale在ICML2024的第一篇论文，我们正式成为一个出现在正式的论文学术研究当中的组织。因此，我们准备发起whale-research（datawhale-顶会收割机）小组，协同whalepaper小组共同推动组织成员之间学术论文撰写、投稿、研究、交流的平台建设。我们期待，这个平台将会推动组织成员之间的学术交流，收集大家的研究idea并推动落地，本仓库主要用于管理组织内成员的ideas。 ### 项目受众 本项目主要面向组织内部有学术研究兴趣与需求的成员，推动在校成员、在企成员之间的学术互助 ### 项目亮点 本组织和以前的whalepaper有类似之处但也有不同。我们和whalepaper是上下游互补关系，whalepaper来进行论文交流、分享、阅读等，而我们则组织想法的实现、落地、投稿，让DW在各大会议期刊中亮相。 ### 项目规划 我们主要维护一个idea知识库 ### 项目负责人 马世拓：https://github.com/ShituoMa ### 备注：发起立项申请后DOPMC成员将会在7天内给出审核意见，若7天内无反对意见则默认立项通过~...
### 你是否已经阅读并同意《Datawhale开源项目指南》？ - [x] 我已阅读并同意[《Datawhale开源项目指南》](https://github.com/datawhalechina/DOPMC/blob/main/GUIDE.md) ### 你是否已经阅读并同意《Datawhale开源项目行为准则》？ - [x] 我已阅读并同意[《Datawhale开源项目行为准则》](https://github.com/datawhalechina/DOPMC/blob/main/CODE_OF_CONDUCT.md) ### 项目简介 本项目介绍信息检索系统的基本概念、基础性算法、组成结构，从传统布尔检索到语言模型到现代大模型RAG都进行了涉及。希望能让对信息检索系统感兴趣的同学学到一些基础的东西。 本教程参考了中国科学院大学网络空间安全学院《信息检索导论》课程PPT，进阶内容也准备参考一些会议论文如ACL、MM、SIGIR等 ### 立项理由 既然datawhale的推荐系统教程已经这么火爆了，那么搜广推不分家，检索和计算广告应该也是可以跟上来的。以往的项目里面还真缺少对信息检索的讲述，我这里想补充一个。 ### 项目受众 对信息检索系统有兴趣的学生和上班族，想了解RAG技术的朋友 ### 项目亮点 - 细节化：不同于我其他项目的篇幅，每一小节信息量少一些，学习起来密度、强度不会那么大 - 基础化：尽可能偏向更基础一些的内容 ### 项目规划 预计六月之前完工，目录比较长。暂时是我在做，已经完成了一大部分。 ###...
### 你是否已经阅读并同意《Datawhale开源项目指南》？ - [x] 我已阅读并同意[《Datawhale开源项目指南》](https://github.com/datawhalechina/DOPMC/blob/main/GUIDE.md) ### 你是否已经阅读并同意《Datawhale开源项目行为准则》？ - [x] 我已阅读并同意[《Datawhale开源项目行为准则》](https://github.com/datawhalechina/DOPMC/blob/main/CODE_OF_CONDUCT.md) ### 项目简介 一个简单的一周速览NLP的教程，纵览NLP不同研究方向的发展，基于deepseek-r1模型案例理解自然语言处理 ### 立项理由 伴随着大语言模型的火热，自然语言处理这个学科领域彻底被带起来了。很多同学想要学习自然语言处理，但又没有自然语言处理的专业背景，比如文科生。 有很多同学说，有了大模型，那么2022年以前的自然语言处理技术方法就已经都成为历史了，可以不用学了。真的是这样吗？我认为不对。因此，我想通过一个最极简的科普专栏，讲述自然语言处理这门学科从上个世纪到现在的变化。涵盖了基于规则、基于机器学习、基于深度学习、基于预训练模型和基于大语言模型五种范式的简单案例，但每一章都借助了当下最热的deepseek-r1模型帮助创建案例来理解。 ### 项目受众 想要学习自然语言处理但对它完全没了解的同学，新手，非计算机科班背景的同学。 基础能力要求不高，我尽可能通俗一些地在写，会用deepseek就行。代码不要求能够全部跑通，但deepseek是要会用的。 ### 项目亮点 本项目最大的亮点在于通俗，让没有自然语言处理背景的同学也能读，有个基本了解。案例以deepseek-r1模型为辅助来理解。 ### 项目规划 已经完成。 [第1章 语言、语法和语义](https://github.com/ShituoMa/easy-nlp/blob/main/docs/ch1/ch1.md) [第2章...
### 你是否已经阅读并同意《Datawhale开源项目指南》？ - [X] 我已阅读并同意[《Datawhale开源项目指南》](https://github.com/datawhalechina/DOPMC/blob/main/GUIDE.md) ### 你是否已经阅读并同意《Datawhale开源项目行为准则》？ - [X] 我已阅读并同意[《Datawhale开源项目行为准则》](https://github.com/datawhalechina/DOPMC/blob/main/CODE_OF_CONDUCT.md) ### 项目简介 本项目将对网络与信息安全领域不同研究方向中对机器学习和人工智能技术的应用进行归纳梳理，在相对系统地总结ML in security的知识体系同时辅以一定的实践。分为安全概述、密码学、硬件与系统安全、通信安全、web安全、网络流量分析、软件安全、威胁情报与态势感知、常见攻击行为、攻防对抗、数据安全、机器学习安全、内容与认知安全、大语言模型安全、真实场景等不同方面，系统性为大家展示网络空间安全中广泛应用的机器学习技术。 ### 立项理由 12月许愿池，应大家强烈要求，我在12月组队学习将会发布“网络流量分析——加密流量分析问题”章节。在本项目中我们会带领大家了解加密流量分析的概念、机器学习方法在加密流量领域中的应用，并亲手针对Tor网络中的流量数据进行分析，入门加密流量领域。 ### 项目受众 人工智能、计算机科学与技术、网络空间安全、软件工程等专业学生，对网络安全领域感兴趣或初步入门的学习者 ### 项目亮点 目前这方面我们还没有先例。12月组队学习是小课形式，后面会逐渐完善体系，从比较完整的角度探讨网络空间安全中的机器学习方法。 ### 项目规划 系列大项目的完整大纲：  12月小课的章节： -...