第1周执行计划
本周目标
第 1 周的重点不是“学很多”，而是把数学和 Python 数据处理的基础打稳，并且把学习环境与练习节奏跑顺。
关联文档：
本周目标
- 完成 Python 机器学习环境搭建
- 理解向量、矩阵和矩阵乘法
- 理解均值、方差、标准差、条件概率
- 用
numpy完成基础矩阵计算 - 输出 1 篇本周复盘
学习环境准备
- 安装 Python 3
- 安装 Jupyter 或 VSCode Notebook
- 安装
numpy - 安装
pandas - 安装
matplotlib - 安装
scikit-learn
建议安装命令：
pip install numpy pandas matplotlib scikit-learn jupyter每日安排
Day 1：环境搭建 + 机器学习全景
- 了解机器学习整体流程
- 安装 Python 相关环境
- 跑通第一个
numpy示例
当日产出：
- 环境安装完成
- 成功运行一个
numpy脚本 - 写下“机器学习流程”的 5 句话总结
关联笔记：
Day 2：向量与矩阵
- 学习向量、矩阵、维度
- 理解矩阵乘法的直觉
- 用
numpy做矩阵加减乘
当日产出：
- 完成 5 个矩阵运算练习
- 写一个矩阵乘法示例脚本
关联笔记：
Day 3：概率统计基础
- 学习均值、方差、标准差
- 理解分布和离散程度
- 用
numpy计算一组数据的统计量
当日产出：
- 完成 1 个统计量计算脚本
- 用自己的话解释方差和标准差
关联笔记：
Day 4：条件概率与直觉理解
- 学习条件概率、贝叶斯直觉
- 理解“已知条件后概率为什么会变化”
当日产出：
- 举 2 个条件概率例子
- 写 1 篇简短概念笔记
关联笔记：
Day 5：导数、梯度与优化直觉
- 学习导数和梯度的作用
- 理解为什么机器学习要优化损失函数
- 了解梯度下降的基本思想
当日产出：
- 写出“梯度下降是做什么的”解释
- 画一个损失下降的简单示意
关联笔记：
Day 6：综合练习
- 把本周学过的数学和
numpy内容串起来 - 用一个小脚本实现：
- 向量点积
- 均值方差计算
- 简单梯度下降示意
当日产出：
- 完成 1 个综合练习脚本
关联笔记：
Day 7：复盘与整理
- 回顾本周内容
- 更新 3个月机器学习规划-学习进度跟踪
- 按 3个月机器学习规划-每周复盘 完成第 1 周复盘
当日产出：
- 完成周复盘
- 列出下周要补的 3 个点
关联笔记：
本周最低验收标准
- 环境可正常使用
- 会用
numpy做基础矩阵运算 - 能解释均值、方差、标准差
- 能解释梯度下降的大致作用
- 有代码练习和文档输出
本周不要做的事
- 不要一开始就钻复杂数学证明
- 不要急着看太多算法
- 不要把时间全花在找课程和资料上
- 不要只看视频不写代码