课程中心
系统学习机器学习知识，从入门到精通
📚 共 10 节课程
✅ 5 节可学习
⏱️ 约10小时学习时长
按难度筛选
1
什么是机器学习
从零开始理解机器学习的基本概念，了解其与传统编程的区别，以及在现实生活中的应用场景。学习AI、ML、DL的关系。
🎯 学习目标：
- ✓理解机器学习的基本概念和核心思想
- ✓了解机器学习的实际应用场景
- ✓区分人工智能、机器学习和深度学习的关系
- ✓认识机器学习与传统编程的本质区别
30-40分钟
入门
7道练习题
可学习
2
机器学习的分类
深入学习监督学习、无监督学习和强化学习三大类型。掌握分类问题和回归问题的区别，了解各类算法的应用场景。
🎯 学习目标：
- ✓理解监督学习、无监督学习、强化学习的区别
- ✓掌握分类问题和回归问题的特点
- ✓了解各类学习方法的典型算法
- ✓能够判断实际问题属于哪种学习类型
40-50分钟
进阶
15道练习题
可学习
3
机器学习工作流程
了解从问题定义到模型部署的完整流程。掌握数据收集、预处理、模型训练、评估和部署的关键步骤。
🎯 学习目标：
- ✓了解完整的机器学习项目流程
- ✓理解数据在整个流程中的重要性
- ✓掌握数据预处理的基本方法
- ✓了解模型评估和部署的要点
45-50分钟
进阶
5道练习题
可学习
4
训练集、验证集、测试集
学习如何正确划分数据集，理解为什么需要三种不同的数据集，掌握常用的划分方法和比例。
🎯 学习目标：
- ✓理解为什么要划分数据集
- ✓掌握数据集划分的方法和比例
- ✓了解交叉验证的基本概念
- ✓避免数据泄露问题
40-45分钟
进阶
6道练习题
可学习
5
过拟合与欠拟合
深入理解机器学习中最重要的概念之一。学习如何识别和解决过拟合、欠拟合问题，掌握正则化等技术。
🎯 学习目标：
- ✓理解过拟合和欠拟合的概念
- ✓识别模型是否过拟合或欠拟合
- ✓掌握防止过拟合的常用方法
- ✓了解偏差-方差权衡原理
50-55分钟
进阶
8道练习题
可学习
6
模型评估指标（分类问题）
学习分类问题的各种评估指标，包括准确率、精确率、召回率、F1分数、ROC曲线等。
50分钟
中级
即将推出
7
模型评估指标（回归问题）
学习回归问题的评估指标，包括MAE、MSE、RMSE、R²等，理解各指标的适用场景。
40分钟
进阶
即将推出
8
交叉验证
深入学习交叉验证技术，包括K折交叉验证、分层K折、留一法等，提高模型评估的可靠性。
45分钟
中级
即将推出
9
Python环境搭建
手把手教你搭建机器学习开发环境，安装Anaconda、配置Jupyter Notebook、安装常用库。
50分钟
入门
即将推出
10
NumPy和Pandas快速入门
学习机器学习必备的数据处理工具，掌握NumPy数组操作和Pandas数据分析基础。
60分钟
进阶
即将推出
💡
学习建议
- •建议按难度从“入门”到“高级”循序渐进学习
- •每节课包含丰富的案例和练习，建议认真完成
- •理解概念比速度更重要，遇到困难可以反复学习
- •更多课程正在创作中，敬请期待！🚀