机器学习流程：数据、损失与泛化

• 理解训练、验证、测试集的作用
• 识别过拟合与欠拟合并会用正则化
• 会选准确率、精确率、召回率、AUC 等指标

建议先学：微积分与优化 · 概率、统计与信息论

• 1机器是怎么“学习”的：损失函数与梯度下降✓

每张卡都有原始论文、前置和学习资料。

• Model Evaluation, Model Selection, and Algorithm Selection in Machine Learning ↗2018 ✓ 已核实

• Stanford CS229 机器学习 ↗课程EN
• Google 机器学习速成课程 ↗课程MULTI
• An Introduction to Statistical Learning（ISLP，免费） ↗书EN
• 吴恩达 Machine Learning 专项课程 ↗课程EN

全部是官方或作者公开的免费页面，多数能在浏览器或免费 Colab 里直接运行。

1. 1
   Kaggle Learn：Intro to Machine Learning ↗练习题

   在线完成从读数据、建模到验证的整套练习。

2. 2
   Kaggle 入门赛：Titanic ↗练习题

   提交第一份 Titanic 预测，体会训练集/验证集/排行榜的区别。

3. 3
   Kaggle Learn：Intermediate Machine Learning ↗练习题

   练习缺失值、类别特征、管道和数据泄露。

先自己想，再点开看答案。