市面上 ML 课程大多两类：学院派先讲三个月数学，工程派直接调包跑 demo。这门课走第三条路：以软件工程师的直觉学 ML——把模型当组件，把训练当构建，把评估当测试，把部署当上线。

课程全部代码可在普通笔记本 CPU 上运行（有 GPU 更好），每讲一个完整可跑的小项目。学完后你应当能：判断一个需求该不该上 ML、独立训练并评估一个模型、把它部署成服务。我本人在蔚来主导 AI 知识库时，正是这套"工程先行"的路径帮我快速补上了 ML 短板。

你将学到

  • 机器学习的工程化全景与问题拆解方法
  • scikit-learn 全家桶：预处理、Pipeline、网格搜索、聚类
  • TensorFlow / Keras 与 PyTorch 两大框架的核心心智模型
  • 图像分类（CNN）与文本情感分析（TF-IDF、LSTM）两大经典项目
  • 模型评估、调参、ONNX 导出与跨语言部署
  • 推荐系统：协同过滤与矩阵分解实战

适合人群

  • 有编程基础（Python 能看懂即可）的工程师
  • 工作中开始接触 AI 需求、想系统补课的开发者
  • 不需要：高等数学先修——用到什么补什么

课程形式

八讲，每讲 60-90 分钟，代码即学即跑。建议配虚拟环境（venv 或 conda），依赖统一 requirements.txt。