单元 1
损失函数与梯度下降
把训练理解成沿着损失曲面寻找更低位置。
1. 概念阅读
梯度下降是很多模型训练的共同骨架。它不断根据当前位置的导数更新参数，学习率决定每一步走多远。
2. 动手练习
- 在梯度下降 Demo 中比较三个学习率
- 保存一次发散记录
3. 验收标准
解释 learning rate 的作用
判断收敛与发散
学完后，用自己的话回答：这个概念解决了什么问题？它在实验里如何体现？
机器学习
机器学习基础
掌握损失函数、梯度下降、分类、聚类和模型评估的核心直觉。
学习状态
进行中 20%
当前 mock 进度：20%
学习单元
单元 2
分类与决策边界
理解逻辑回归如何把连续分数变成类别判断。
1. 概念阅读
分类任务关注样本属于哪个类别。逻辑回归用概率解释模型输出，是很多复杂分类模型的入口。
2. 动手练习
- 观察分类边界变化
- 写出一个误分类原因
3. 验收标准
理解 sigmoid 输出
能读懂混淆矩阵
学完后，用自己的话回答：这个概念解决了什么问题？它在实验里如何体现？