跳到主要内容
🏠 总目录 机器学习与深度学习基础 · 承重墙 · 从零打牢基本功

基础课程 / 31 个阅读单元

机器学习与
深度学习基础

今天的问题,应该从哪一章开始?

先读懂一个结果,再补上模型的基本功。
从线性模型、树模型到神经网络,按自己的节奏,一次弄清一个问题。

根据眼前问题选出一个入口,并能回到完整目录和自己的阅读记录。

从第一个模型开始 →直接找某一章 ↓
我的阅读记录
0%

在每章末尾点「打卡」,记录保存在自己的浏览器里。

不是待办,不用赶进度。

完整章节目录

31 个阅读单元 · 顺着读,或只查需要的一节。

从第一个结果开始先认识输入、预测和分数。

经典机器学习线性模型、树模型,以及怎样相信一个分数。

读懂神经网络结构 → 梯度 → 优化 → 正则化 → 调试。

认识常见架构理解图像、序列和注意力各自处理什么问题。

把实验跑起来训练流程、特征工程与小项目。

进阶练习时间充裕时,选一个项目深入。

需要时,回来查术语、库的调用方式和手写实现。

怎么安排阅读,哪些内容可以后看?

先抓住评估和调试两条线

第 5 章帮助你判断结果是否可靠;第 11 章帮助你在模型不工作时排查原因。其他章节可以围绕当前问题补读。

按目标选路

  • 想做表格数据:01 → 02 → 03–06 → 16 → 17。
  • 已会经典 ML,想补深度学习:05 → 07–11 → 12–15。
  • 需要训练代码:先查 15 与附录 B,遇到报错再回 11。
  • 想练手写实现:先读对应原理,再查附录 C;18–20 是可选进阶项目。

首次运行代码时,先核对章节里的环境与依赖要求。文中演示数字用于理解流程,实际结果取决于数据、划分与环境。