本项目基于 Avik-Jain 的英文项目，提供中文机器学习学习路线、讲解与练习。
当前覆盖 Day 1～54，Day 55～100 尚未编写。 现有课程已更新数据预处理、模型评价、现代 scikit-learn 和 Keras 3 用法；理论日提供本地说明，图片与外部视频作为辅助资料。
- 完整的逐日课程目录：每天的目标、代码或练习。
- 环境安装与运行：Python 3.11/3.12、基础和深度学习依赖、Notebook 内核。
- 数据集说明：字段、来源限制、MNIST 和猫狗数据准备。
- 常见问题：数据泄漏、路径、输出图形、模型格式。
- 外部教材兼容说明：旧版书籍示例的替代 API。
python -m venv .venv
source .venv/bin/activate
python -m pip install -r requirements.txt
python "Code/Day 1_Data_Preprocessing.py"脚本默认把图形保存在 outputs/。打开 Notebook 时按顺序运行所有单元；完整说明见安装文档。深度学习依赖单独安装，基础课程不需要 GPU。
| 阶段 | 内容 |
|---|---|
| Day 1～3 | 预处理、简单与多元线性回归 |
| Day 4～16 | 逻辑回归、KNN、SVM、朴素贝叶斯与核方法 |
| Day 17～25 | 神经网络基础、学习理论、HTML 数据提取与决策树 |
| Day 26～38 | 线性代数、微积分、随机森林与反向传播 |
| Day 39～42 | MNIST、猫狗 CNN、TensorBoard 与受控实验 |
| Day 43～54 | 聚类、NumPy、pandas、Matplotlib 与层次聚类 |
实现课以 Code/Day*.py 中的分步代码与 Markdown 注释为源，运行 python tools/sync_lessons.py 生成配套 .md 和 .ipynb。理论日编辑 docs/lessons/。验证方式见安装文档。
请阅读翻译与维护规范。更新与验证记录说明本轮修正范围；逐日审阅报告保留修正前的问题基线；原始学习日志保留原项目的历史路线。
