文章首发于公众号：开源探索者

开源组织 Datawhale

咱们都晓得传统意义上的开源是指凋谢源代码，在源代码的根底上进行合作而后逐步宏大衍生出了像当初这样的开源社区等。然而开源通过这么多年的倒退，开源这个词当初貌似代表的更像是一种态度和观点，就是你有没有一种凋谢的心态去分享你的技术积攒和积淀，有没有一种凋谢的心态去交融更多人的智慧从而结构出更欠缺的体系或者产品，咱们是否能够称这种态度和观点为狭义的开源呢？有这样一个组织，它的所有内容是开源的，所有的合作形式也是开源的，而且通过开源合作的形式目前曾经出版了两本人工智能相干书籍，它就是 Datawhale。

Datawhale 是一个专一于数据迷信与 AI 畛域的开源组织，会集了泛滥畛域院校和知名企业的优良学习者，聚合了一群有开源精力和摸索精力的团队成员。Datawhale 以“for the learner，和学习者一起成长”为愿景，激励实在地展示自我、凋谢容纳、互信互助、敢于试错和敢于担当。同时 Datawhale 用开源的理念去摸索开源内容、开源学习和开源计划，赋能人才培养，助力人才成长，建设起人与人，人与常识，人与企业和人与将来的联结。

Datawhale 提倡的开源学习旨在发明自主设计学什么、如何学的过程。由学习者本人的需要登程，依靠社区的内容和社群资源，自主设计学习门路和产出，并随着学习者的参加和奉献，一直迭代进化。学习者通过构建集体博客打卡，输入倒逼输出，积淀常识网络；同时通过组队连贯气味相投的伙伴，建构长期的社交网络，从传统网络教学中常识单向流传转向学生主体参加，相互合作，长期倒退。通过自组织学习，学习者能够实现资源共享和开源学习社区建构，并在此过程中独特倒退与成长，一个人能够走的很快，一群人能够走的更远。

Datawhale 做了什么

组队学习

Datawhale 目前曾经组织了近四十期组队学习，通过组队学习曾经与大量从事数据迷信的敌人建设起了连贯，其模式是每期组织几门课程的组队学习，对于每一门课程会有志愿者同学作为助教帮忙大家解答问题，每位学员会依据趣味组队，通过小队的模式相互激励交换实现整体的学习内容。

这个模式不是 Datawhale 独创，然而通过对流程的一些优化以及翻新，目前曾经积淀的较为成熟，对于组队学习的相干内容能够在 datawhalechina/team-learning[1] 找到，组织成员提出了组队学习的大航海模型 [2] 将组队学习模式以及概念进行了许多形象，然而这样对于首次接触的同学可能会比拟迷茫，对于领航员，船长等概念不能很快的了解也是形象带来的负面影响。

教程

与上文提到的组队学习对应，每期组队学习的课程内容当初越来越多是基于组织成员独特推出的内容，这样做的益处能够造成正向闭环，首先内容刚推出并不会十分欠缺，然而因为内容齐全开源所以无论是参加学习的学员还是其他同学均可对内容提出质疑或进行校对欠缺，这样通过几期组队学习下来内容就会更加欠缺，反过来好的内容也会吸引更多人参加关注。

Datawhale 通过开源合作的形式目前推出了机器学习公式详解“南瓜书”[3]以及强化学习教程“蘑菇书”[4]不仅占据图书排行榜前列，还受到人工智能畛域高校以及众传授举荐。

团队成员编写的 pands 教程《joyful-pandas》[5]不仅取得了 2.9k star 还被 pandas 官网社区举荐。

还有许多优质的我的项目正在欠缺与孵化中，更多内容可见 Datawhale[6] 仓库。将来通过开源的形式能够整顿出更多欠缺的教程，最终造成 AI 人才的造就计划[7]，这里也体现了开源模式的益处，需要都是来自实在场景和用户，通过重复的质疑与重构，那么最终推出的内容置信也会更加合乎需要。

比赛

除了下面提到的组队学习更多是对 AI 常识自身的理解，比赛是一个绝对实践性更强的内容，Datawhale 在比赛方面也投入了许多的精力，例如联结天池，科大讯飞等平台推出比赛赛题，除此之外还有面向数据迷信比赛常识、baseline、思路的我的项目 datawhalechina/competition-baseline[8]。以及组织成员推出的专门面向比赛的 coggle[9] 我的项目。

综合来说，Datawhale 通过组队学习，教程，比赛这三个方面来帮忙学习者更好的学习理解数据迷信畛域和 AI 畛域。

Datawhale 怎么做的

下面提到的是 Datawhale 都做了什么内容，那么上面就看一下 Datawhale 是怎么做到的。
Datawhale 通过继续的技术分享，多期的组队学习 Datawhale 曾经和大量的学习者构建起了一个宏大的社区，在这个社区中有一个外围观点继续的打造了社区的生机，那就是社区成员胜利。
相似于商业公司提出的客户胜利，是要通过公司的产品帮忙客户发明更大的价值，反过来实现公司的价值，Datawhale 构建社区的同时心愿可能尽可能帮忙更多的社区同学胜利，社区同学的胜利也会进一步促成 Datawhale 社区的倒退，体现在以下几个方面：

• 构建更凋谢的奉献机会
• 赋能每个人

构建更凋谢的奉献机会

对于构建更凋谢的奉献机会这点，在 Datawhale 社区中如果你有想法，只有你与我的项目负责人分割，你是能够自在的参加或者发动我的项目的，同时一些我的项目也会不定时的招集一些负责人，如果参加过 Datawhale 社区的同学就会感到，一些我的项目会有大的方向，然而具体做什么水平齐全是看你的施展的，这就给了你足够的自主性，你可能在参加某个我的项目的过程中有了更多的想法，从而发动一个全新的我的项目，Datawhale 会给你机会让你成为这个我的项目的配角，这种降职渠道对于社区的成员来说是一种十分大必定与反对。

赋能每个人

Datawhale 也会为每一个社区成员提供尽可能的帮忙，例如构建我的项目，Datawhale 能够帮忙召集人来一起欠缺我的项目。例如社区成员有职业上的困扰，Datawhale 能够帮忙协调资源大家一起交换尝试走出窘境，例如如果你在某个畛域比拟业余，Datawhale 会将你打造为相似于 KOL 的角色，等等。这些都是赋能的体现。通过这些形式会进一步加强社区成员的归属感，同样也会促成这些社区成员奉献本人的力量。

Datawhale 与开源

开源我的项目合作形式

不同于传统的开源我的项目，Datawhale 的开源我的项目个别都为教程类的学习内容，更相似于传统开源我的项目的我的项目文档，目前 Datawhale 采取的模式是每个我的项目会有指定的负责人，由负责人招集团队对这个我的项目进行欠缺，目前基于这种模式曾经积攒了许多内容，而且也是 MVP 的，保障我的项目能够 run 起来，然而这样的毛病也不能漠视，就是过于依赖小团队的创造力与精力，而且可能随着内容的欠缺让人望而生畏不敢参加，然而齐全的凋谢也可能导致我的项目没有外围的负责人导致难产，而且开源我的项目有个共识就是大部分人喜爱白嫖，真正想要参加我的项目的人还是多数，所以对于开源我的项目来说，如何抓住想要参加我的项目建设的人，再联合外围团队继续迭代的形式，是每个开源我的项目须要思考的。尽管 Datawhale 激励大家更多的参加我的项目建设，然而目前对于想要参加到我的项目建设中的敌人仿佛还短少必要的疏导，概要的分为上面两方面：

• 短少 Contribution Guide
• roadmap 须要更清晰

咱们别离来说，Contribution Guide 是疏导刚接触我的项目的敌人如何参加我的项目的重要文档，例如 Flink 我的项目的 Contribution Guide[10]，在奉献文档指引中，领导了如何获取文档，并要求在奉献文档之前提交对应的 issue，以及一些提交的标准。

这样相当给想要参加我的项目的同学一个抓手和标准，让保护我的项目的同学不必再去操心一些根底的流程化内容，其次通过 Contribution Guide 能够实现想法的收集，提供 proposal 指引，给有想法的人提供渠道，再交给团队进行决策。

其次是 roadmap，对于 Datawhale 的开源我的项目来说不能说是没有 roadmap，因为每个学习教程都是分章节的，每个章节或者就能够看作一个 milestone，然而如果针对一个我的项目有更为清晰的 roadmap 来标记以后的我的项目处在什么阶段，将来要做成什么样，就像开源我的项目的 feature list，或者能够激发更多人的灵感来独特打造我的项目。

组织的继续迭代

Datawhale 继续迭代的形式采纳的举荐机制，与开源我的项目中的提名机制相似，在指定阶段由组织成员提名，失去票数多的同学能够退出 Datawhale，这样能够尽可能的保障退出的搭档是失去大多数人认可的。同时流出机制也相似于开源我的项目中的 retire 机制，筛选呈现阶段不适宜独特倒退的搭档，以此来放弃社区整体的良性倒退。然而如果短少相应的奉献疏导形式，以后的机制会不会引发小圈子效应也是值得思考的问题。

总结

能够看到，Datawhale 采纳的社区治理形式其实与开源我的项目的治理形式在某些方面相似，其外围都是想要构建一个良性的社区，排汇大家独特的智慧，让大家参加社区的我的项目与流动更加容易，让更多人施展价值。咱们不能拿基于代码的开源我的项目的要求来标准这样的开源组织，这样的开源组织在实际开源的过程中自身就是对开源新的冲破。

任何模式的剖析和调研基于集体认知所限，不免有失偏颇，欢送大家批评指正，多多交换。

参考文献

1. https://github.com/datawhalec…
2. https://mp.weixin.qq.com/s/D2…
3. https://github.com/datawhalec…
4. https://github.com/datawhalec…
5. https://github.com/datawhalec…
6. https://github.com/datawhalec…
7. https://zhuanlan.zhihu.com/p/…
8. https://github.com/datawhalec…
9. https://coggle.club/
10. https://flink.apache.org/zh/c…