第2周执行计划
本周目标
第 2 周开始把“数学直觉”真正接到“数据处理”和“实验代码”上。重点不是模型本身，而是把
numpy、pandas、matplotlib和梯度下降直觉用起来。
关联文档：
本周目标
- 熟悉
numpy常用数组操作 - 能用
pandas读取并查看表格数据 - 理解缺失值、重复值、异常值的基本处理方式
- 能画出折线图、柱状图、散点图、直方图
- 用代码演示最基础的梯度下降过程
- 输出 1 篇本周复盘
本周重点
- 数据处理比“学更多算法”更优先
- 目标是能读数据、看数据、改数据、解释数据
- 梯度下降只要先搞清楚“为什么往下降”即可，不要求推复杂公式
每日安排
Day 8：NumPy 与数据处理直觉
- 复习数组、形状、切片、广播
- 练习按列求和、按行求均值、筛选数据
- 完成
numpy_array_ops.py
当日产出：
- 写出数组常见操作示例
- 解释什么是广播机制
关联笔记：
Day 9：Pandas 基础操作
- 学习
DataFrame、Series - 学习读取
csv - 练习查看列、筛选行、排序、分组
当日产出：
- 完成
pandas_basic_ops.py - 能读入一个本地或公开
csv
关联笔记：
Day 10：数据清洗入门
- 学习缺失值处理
- 学习重复值处理
- 理解类别字段和数值字段的差异
当日产出：
- 完成
data_cleaning_demo.py - 列出 3 个常见脏数据问题
关联笔记：
Day 11：数据可视化基础
- 学习折线图、柱状图、散点图、直方图
- 观察分布、趋势和异常点
当日产出：
- 完成
data_visualization_demo.py - 至少画 3 张图
关联笔记：
Day 12：导数与梯度下降实战
- 回顾导数、梯度、损失函数
- 用一个一元函数演示梯度下降
- 观察学习率不同带来的影响
当日产出：
- 完成
gradient_descent_learning_rate_demo.py - 用自己的话解释为什么学习率过大不稳定
关联笔记：
Day 13：小数据集清洗实战
- 找一个简单公开数据集
- 做读取、查看、清洗、统计和画图
- 准备下周进入线性模型
当日产出：
- 完成
week2_dataset_practice.py - 输出 1 篇简短数据观察结论
关联笔记：
Day 14：复盘与整理
- 回顾第 2 周所有脚本
- 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 完成复盘
当日产出：
- 完成第 2 周复盘
- 列出进入线性模型前还薄弱的 3 个点
关联笔记：
本周最低验收标准
- 会用
numpy处理基础数组 - 会用
pandas读取并查看数据 - 会做简单缺失值和重复值处理
- 会画基础统计图
- 能解释梯度下降和学习率的关系
- 有脚本输出和复盘记录
本周不要做的事
- 不要急着直接学很多模型 API
- 不要只会调库，不理解数据长什么样
- 不要把图画出来却不写观察结论
- 不要跳过数据清洗环节