Machine Learning for Beginners

这本书强在哪

• 课前/课后测验 + 作业 + 项目，学习闭环比多数「资源列表」完整
• 刻意教经典 ML，而不是被生成式 AI 叙事淹没
• 含 Web App、真实世界部署等章节，强调落地而不只是 notebook
• 与微软 AI / GenAI 课程同一系，路径可平滑衔接

建议怎么学

1. 01按 12 周节奏：每周一主题，先测验再学再作业
2. 02回归与分类必须手写评估报告（指标、误差样本、改进假设）
3. 03NLP / 时序可按兴趣选做，但「真实世界 ML」建议必做
4. 04学完后若进深度学习：d2l 或李宏毅；若进 LLM 应用：Generative AI for Beginners

适合谁 / 前置

• Python 基础（pandas / 画图更好）
• 基础统计：均值、方差、过拟合直觉
• 不要求先学深度学习

学完得到什么

• 掌握回归、分类、聚类等经典算法的适用场景
• 能完成作业与小型项目，并做误差分析
• 建立「特征 → 模型 → 评估 → 迭代」的闭环习惯
• 理解经典 ML 与 LLM 时代技能如何互补