01
模型构建基础
机器学习模型 · 通用流程 · 特征工程入门
概念流程
02
线性回归模型
最小二乘法 · 梯度下降 · 一元/多元 · MSE/R²
回归评估
03
逻辑回归与分类
Sigmoid · 决策边界 · 交叉熵 · Softmax
分类概率
04
决策树与集成学习
信息增益 · 剪枝 · 随机森林 · XGBoost
树模型集成
05
支持向量机 (SVM)
最大间隔 · 核技巧 · 软间隔 · 参数C
SVM核函数
06
K近邻与聚类
距离度量 · K值 · K-Means · 肘部法则
无监督聚类
07
神经网络基础
感知机 · 激活函数 · 反向传播
深度学习BP
08
深度学习框架实践
PyTorch/TensorFlow · 张量 · 自动求导
框架实战
09
卷积神经网络 (CNN)
卷积/池化 · LeNet · ResNet · 图像分类
CNN视觉
10
循环神经网络 (RNN)
序列建模 · LSTM/GRU · 文本生成
序列NLP
11
模型正则化技术
L1/L2 · Dropout · 早停 · 数据增强
正则化防过拟合
12
超参数调优
网格/随机搜索 · 贝叶斯优化 · 学习率调度
调参搜索
13
特征工程进阶
特征选择 · 特征交叉 · PCA
特征降维
14
模型评估与验证
K-Fold · 混淆矩阵 · ROC/AUC · 过拟合诊断
评估验证
15
集成学习进阶
Stacking · Blending · Bagging/Boosting · 融合
集成高级
16
不平衡数据处理
SMOTE · ADASYN · 代价敏感 · 异常检测
不平衡采样
17
模型部署与推理
ONNX · TensorRT · Flask · Docker
部署推理
18
时间序列预测
ARIMA · 季节性 · Prophet · LSTM应用
时序预测
19
自然语言处理 (NLP)
Word2Vec · Transformer · BERT微调
NLP预训练
20
生成对抗网络 (GAN)
生成器/判别器 · WGAN · 图像生成
生成对抗
21
强化学习入门
MDP · Q-Learning · DQN · 策略梯度
强化决策
22
模型可解释性
SHAP · LIME · 特征重要性 · 部分依赖图
可解释XAI
23
AutoML与自动化
NAS · 超参数自动优化 · AutoGluon
自动化NAS
24
模型压缩与量化
知识蒸馏 · INT8量化 · 剪枝 · 边缘部署
压缩量化
25
图神经网络 (GNN)
GCN · 消息传递 · 节点分类/链接预测
图GNN
26
迁移学习与微调
预训练加载 · 冻结层 · 领域自适应 · 少样本
迁移微调
27
模型安全与鲁棒性
对抗攻击 (FGSM/PGD) · 对抗训练 · 差分隐私
安全鲁棒
28
分布式训练
数据/模型并行 · AllReduce · PyTorch DDP
分布式并行
29
MLOps与实验管理
DVC · MLflow · 模型注册 · CI/CD
MLOps工程
30
综合实战项目
端到端项目 · 文档撰写 · A/B测试设计
实战项目