Update readme.md

IntroductionToNumpy/readme.md

@@ -45,6 +45,57 @@
 - 掌握numpy中关于集合的操作，比如：如何构建集合，集合的交并差集及异或操作等。
 
 
+---
+# 编程实践（Numpy）下
+
+## 基本信息
+
+- 学习周期：9天，每天平均花费时间3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：理论学习 + 练习
+- 人群定位：有一定python编程的基础。
+- 先修内容：[Python编程语言](https://github.com/datawhalechina/team-learning-program/tree/master/PythonLanguage)
+- 难度系数：中
+
+
+
+
+## 学习目标
+
+本开源内容是Python基础的进阶，主要目标是学习numpy在输入输出、随机抽样、数理统计和线性代数中的应用，为后期学习pandas和sklearn奠定坚实基础。
+
+## 任务安排
+
+### Task00：熟悉规则（1天）
+
+- 组队、修改群昵称
+- 熟悉打开规则
+
+
+### Task01：输入输出（2天）
+- 熟悉 Numpy 如何处理二进制文件和文本文件。
+
+
+### Task02：随机抽样（2天）
+
+- 熟悉 Numpy 常用的随机函数
+- 熟悉 Numpy 如何处理离散型随机变量的分布，如二项分布、泊松分布、超几何分布
+- 熟悉 Numpy 如何处理连续型随机变量的分布，如均匀分布、正态分布、指数分布
+
+
+### Task03：统计相关（2天）
+- 熟悉 Numpy 如何处理次序统计，如最大值、最小值、极差、百分位数等
+- 熟悉 Numpy 如何处理均值、方差、标准差、协方差等
+- 熟悉 Numpy 如何绘制直方图等
+
+
+### 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、Cholesky分解
+- 熟悉 Numyp 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
+
 
 
 ---