• 学习周期：13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
• 难度系数：中

本开源内容是Python基础的进阶，主要目标是学习numpy的基本数据类型，了解numpy各类函数的应用；以便为后期学习pandas和sklearn奠定坚实基础。

• 熟悉基础常量、常见数据类型，以及时间日期和时间增量的处理。
• 掌握数组的创建和数组的属性。

• 掌握数组的索引与切片，熟悉数组迭代。

• 掌握数组的各种操作，比如：更改形状，数组转置，更改维度，数组组合，数组拆分，数组平铺，添加和删除元素等。

• 掌握numpy中常用的数学函数及逻辑函数。
• 数学函数，比如：数学运算，三角函数，指数和对数，加法函数及乘法函数，四舍五入等。
• 逻辑函数，比如：真值测试，数组内容，逻辑函数等。

• 掌握numpy中排序搜索计数的相关函数。
• 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。

• 学习周期：10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
• 难度系数：中

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。

• 组队、修改群昵称
• 熟悉打开规则

• 熟悉 Numpy 如何处理二进制文件和文本文件。

• 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

• 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

• 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

• 完成大作业的任务