3个月机器学习规划-项目清单
目标说明
这页列出 3 个月学习周期内建议完成的项目，按“难度逐步上升、覆盖面逐步扩大”的原则设计。
第1阶段项目：结构化数据入门项目
项目目标
- 熟悉
pandas、scikit-learn、评估指标和可视化 - 完整走一遍结构化数据机器学习流程
可选题目
- 房价预测
- 泰坦尼克生存预测
- 用户流失预测
- 信用风险分类
最低交付标准
- 完成数据清洗
- 完成至少 2 个模型对比
- 写出评估结果
- 写出结论和改进方向
第2阶段项目：PyTorch 小项目
项目目标
- 跑通完整的深度学习训练流程
- 理解 Dataset、DataLoader、训练循环和验证循环
可选题目
- 手写数字识别
- 简单图像分类
- 新闻文本分类
最低交付标准
- 独立写训练代码
- 记录训练损失和验证损失
- 做至少一轮调参
- 总结模型效果和问题
第3阶段项目：最终综合项目
项目目标
- 做一个完整端到端项目
- 把机器学习方法论、代码能力和文档输出结合起来
可选题目
- 结构化数据预测项目加强版
- 文本分类项目
- 小型图像分类项目
- 结合业务场景的自定义项目
建议项目结构
data/notebooks/src/reports/README.md
最低交付标准
- 有明确问题定义
- 有数据处理流程
- 有模型方案与评估
- 有结果分析
- 有项目复盘
项目选择建议
如果你想更快建立信心
- 先做结构化数据项目
- 工具链简单，反馈更快
如果你想往大模型方向过渡
- 最终项目可以选文本分类
- 为后续 NLP、Embedding、RAG 学习做准备
如果你想往工程落地方向过渡
- 最终项目尽量补上代码结构、配置管理和简单部署说明