学术趋势分析学习目录

发布时间：2020-09-29，作者：阿水, 鱼遇雨欲语与余

## 技能点

涉及到的数据处理技能：

• Pandas和Numpy

涉及到的数据可视化技能:

• Matplotlib
• 机器学习技能Sklearn
• 爬虫技能等

## 学习主题

赛题以数据分析为背景，要求选手使用公开的arXiv论文完成对应的数据分析操作。与之前的数据挖掘赛题不同，本次赛题不仅要求选手对数据进行建模，而且需要选手利用赛题数据完成具体的可视化分析。

为更好的引导大家入门，我们同时为本赛题定制了系列学习方案，其中包括数据科学库使用（Pandas、Numpy和Matplotlib）、数据分析介绍和数据分析工具使用三部分。通过对本方案的完整学习，可以帮助掌握数据分析基本技能。同时我们也将提供专属的视频直播学习通道。

## 学习任务

### 任务1

• 学习主题：论文数量统计（数据统计任务），统计2019年全年，计算机各个方向论文数量；
• 学习内容：赛题理解、Pandas读取数据、数据统计
• 学习成果：学习Pandas基础

### 任务2

• 学习主题：论文作者统计（数据统计任务），统计所有论文作者出现评率Top10的姓名；
• 学习内容：作者姓名识别和统计
• 学习成果：学习字符串基本操作、Matplotlib基础使用、Seaborn基础使用

### 任务3

• 学习主题：论文代码统计（数据统计任务），统计所有论文类别下包含源代码论文的比例；
• 学习内容：代码链接识别和统计
• 学习成果：学会使用正则表达式

### 任务4

• 学习主题：论文分类（数据建模任务），利用已有数据建模，对新论文进行类别分类；
• 学习内容：使用论文标题完成类别分类
• 学习成果：学会文本分类的基本方法、TFIDF等

### 任务5

• 学习主题：作者关联（数据建模任务），对论文作者关系进行建模，统计最常出现的作者关系；
• 学习内容：构建作者关系图，挖掘作者关系
• 学习成果：论文作者知识图谱、图关系挖掘