73 lines
4.0 KiB
Markdown
73 lines
4.0 KiB
Markdown
# 心电图心跳信号分类
|
||
|
||
## 贡献者信息
|
||
|
||
| 姓名 | 介绍 | 个人主页 |
|
||
| -------------------- | ----------------------------------- | ----------------------------------------- |
|
||
| **鱼佬** | 武汉大学，Datawhale成员，Coggle开源小组成员 | https://www.zhihu.com/people/wang-he-13-93 |
|
||
| 牧小熊 | 华中农业大学研究生，Datawhale优秀原创作者，Coggle开源小组成员 | https://www.zhihu.com/people/muxiaoxiong |
|
||
| 吉米杜 | 平安NLP算法工程师，Datawhale成员，Coggle开源小组成员 | https://blog.csdn.net/duxiaodong1122?spm=1011.2124.3001.5343&type=blog |
|
||
| 张晋 | Datawhale成员，算法竞赛爱好者 | https://blog.csdn.net/weixin_44585839/ |
|
||
| 王皓月 | 华东师范大学数据科学与工程学院，Coggle开源小组成员 | https://github.com/sunshinemingo |
|
||
|
||
|
||
## 基本信息
|
||
|
||
- 贡献人员：**鱼佬**，牧小熊，吉米杜，张晋，王皓月
|
||
- 学习周期：15天，每天平均花费时间2小时-5小时不等，根据个人学习接受能力强弱有所浮动。
|
||
- 学习形式：理论+实践
|
||
- 人群定位：熟悉数据挖掘的基本方法，对学习时间序列相关问题和医学大数据有需求的学员。
|
||
- 先修内容：[Python编程语言](https://github.com/datawhalechina/team-learning-program/tree/master/Python-Language)、[编程实践（Numpy）](https://github.com/datawhalechina/team-learning-program/tree/master/IntroductionToNumpy)、[编程实践（Pandas）](https://github.com/datawhalechina/team-learning-program/tree/master/IntroductionToPandas)、[编程实践（数据可视化）](https://github.com/datawhalechina/fantastic-matplotlib)
|
||
|
||
|
||
## 任务安排
|
||
|
||
### Task1 赛题理解及baseline学习 2天
|
||
|
||
- 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。
|
||
- 学习baseline方案，并成功运行提交结果。
|
||
|
||
|
||
### Task2 探索性数据分析（EDA）（3天）
|
||
|
||
- 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。
|
||
|
||
### Task3 特征工程 3天
|
||
|
||
- 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。
|
||
|
||
### Task4 建模与调参 3天
|
||
|
||
- 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。
|
||
|
||
### Task5 模型融合 3天
|
||
|
||
- 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。
|
||
|
||
## 学习视频
|
||
|
||
### 第1讲：赛题理解baseline讲解
|
||
- 主讲人：
|
||
- 链接：
|
||
|
||
### 第2讲：数据探索性分析和特征工程
|
||
- 主讲人：
|
||
- 链接：
|
||
|
||
### 第3讲：建模调参，模型融合
|
||
- 主讲人：
|
||
- 链接
|
||
|
||
**关于Datawhale**：
|
||
|
||
>Datawhale是一个专注于数据科学与AI领域的开源组织，汇集了众多领域院校和知名企业的优秀学习者，聚合了一群有开源精神和探索精神的团队成员。Datawhale以“for the learner，和学习者一起成长”为愿景，鼓励真实地展现自我、开放包容、互信互助、敢于试错和勇于担当。同时Datawhale 用开源的理念去探索开源内容、开源学习和开源方案，赋能人才培养，助力人才成长，建立起人与人，人与知识，人与企业和人与未来的联结。
|
||
|
||
|