mlcourse.ai 是由 OpenDataScience (ods.ai) 主办的开放式机器学习课程，由 Yury Kashnitsky (yorko) 领导，他目前是 Google Cloud 的 GenAI 专家。Yury 同时拥有应用数学博士学位和 Kaggle 竞赛大师称号，他的目标是设计一门理论与实践完美平衡的机器学习课程。因此，课程在讲座中会涉及数学公式，同时通过作业和 Kaggle Inclass 比赛提供大量实践机会。目前，该课程采用 自定进度模式。在这里，我们将引导你完成 mlcourse.ai 的自定进度学习。

奖励作业

此外，你还可以购买包含 mlcourse.ai 最佳非演示版本作业的 奖励作业包。在 Patreon 上选择“奖励作业”等级，或在 Boosty（俄语平台）上选择 类似等级。

奖励作业包包含 10 份作业，其中一些要求你在详细指导下在 Kaggle 比赛中击败基线模型（例如“Alice”[https://mlcourse.ai/book/topic04/bonus_assignment04_alice_baselines.html] 和 “Medium”[https://mlcourse.ai/book/topic06/bonus_assignment06.html]），或者从头实现算法——高效的随机梯度下降分类器 [https://mlcourse.ai/book/topic08/bonus_assignment08.html] 和 梯度提升树 [https://mlcourse.ai/book/topic10/bonus_assignment10.html]。

自定进度学习

我们将引导你完成 mlcourse.ai 的 10 周学习。针对每一周的内容，从 Pandas 到梯度提升，都会提供详细的指导，包括需要阅读的文章、观看的讲座以及要完成的作业。

文章

这是在 medium.com :uk: 和 habr.com :ru: 上发表的文章列表。同时也提到了中文版的笔记本 [:cn:]，并提供了 Kaggle 笔记本（英文）的链接。图标可点击。

1. 使用 Pandas 进行探索性数据分析 :uk: :ru: :cn:, Kaggle Notebook
2. 使用 Python 进行数据可视化分析 :uk: :ru: :cn:, Kaggle 笔记本：part1, part2
3. 分类、决策树与 k 最近邻 :uk: :ru: :cn:, Kaggle Notebook
4. 线性分类与回归 :uk: :ru: :cn:, Kaggle 笔记本：part1, part2, part3, part4, part5
5. 装袋法与随机森林 :uk: :ru: :cn:, Kaggle 笔记本：part1, part2, part3
6. 特征工程与特征选择 :uk: :ru: :cn:, Kaggle Notebook
7. 无监督学习：主成分分析与聚类 :uk: :ru: :cn:, Kaggle Notebook
8. Vowpal Wabbit：处理 GB 级数据的学习 :uk: :ru: :cn:, Kaggle Notebook
9. 使用 Python 进行时间序列分析，第 1 部分 :uk: :ru: :cn:。使用 Facebook Prophet 预测未来，第 2 部分 :uk:, :cn: Kaggle 笔记本：part1, part2
10. 梯度提升 :uk: :ru:, :cn:, Kaggle Notebook

讲座

视频讲座已上传至此 YouTube 播放列表。

简介，视频，幻灯片

1. 使用 Pandas 进行探索性数据分析，视频
2. 可视化：EDA 的主要图表，视频
3. 决策树：理论部分 和 实践部分
4. 逻辑回归：理论基础，实践部分（“Alice”竞赛中的基线模型）
5. 集成学习与随机森林——第一部分。分类指标——第二部分。一个商业任务示例：预测客户付款——第三部分
6. 线性回归与正则化——理论部分，LASSO & Ridge，LTV 预测——实践部分
7. 无监督学习——主成分分析 和 聚类
8. 用于分类和回归的随机梯度下降——第一部分，第二部分待定
9. 使用 Python 进行时间序列分析（ARIMA、Prophet）——视频
10. 梯度提升：基本思想——第一部分，XGBoost、LightGBM 和 CatBoost 背后的关键理念 + 实践——第二部分

作业

以下为演示作业。此外，在 “Bonus Assignments”层级 中，您还可以获取非演示作业。

1. 使用 Pandas 进行探索性数据分析，nbviewer，Kaggle Notebook，解答
2. 分析心血管疾病数据，nbviewer，Kaggle Notebook，解答
3. 使用玩具任务和 UCI Adult 数据集构建决策树，nbviewer，Kaggle Notebook，解答
4. 讽刺检测，Kaggle Notebook，解答。线性回归作为优化问题，nbviewer，Kaggle Notebook
5. 信用评分问题中的逻辑回归和随机森林，nbviewer，Kaggle Notebook，解答
6. 在回归任务中探索 OLS、Lasso 和随机森林，nbviewer，Kaggle Notebook，解答
7. 无监督学习，nbviewer，Kaggle Notebook，解答
8. 实现在线回归器，nbviewer，Kaggle Notebook，解答
9. 时间序列分析，nbviewer，Kaggle Notebook，解答
10. 在竞赛中超越基线，Kaggle Notebook

Kaggle 竞赛

1. 捉我若能：通过网页会话追踪进行入侵者检测。Kaggle Inclass
2. 预测 Medium 文章的受欢迎程度。Kaggle Inclass
3. DotA 2 胜利预测。Kaggle Inclass

使用 Jupyter Book 构建课程材料

我们正在使用 Jupyter Book v1 来构建本书。

1. 安装用于依赖管理的 uv：pip install uv；
2. 运行 uv sync 以安装项目依赖，或运行 uv lock --upgrade 来更新它们；
3. 运行 uv run jb build mlcourse_ai_jupyter_book（注意：此命令适用于 Jupyter Book v1）——这将需要一些时间，生成的输出位于 mlcourse_ai_jupyter_book/_build 文件夹中。其中，mlcourse_ai_jupyter_book/_build/html/index.html 就是 mlcourse.ai 主页上所展示的内容。

执行后会显示您本地课程材料文件的路径，例如 file:///Users/nickname/Documents/mlcourse.ai/mlcourse_ai_jupyter_book/_build/html/index.html。您可以在浏览器中打开该文件，以在本地查看课程内容。

引用 mlcourse.ai

如果您在自己的工作中引用了 mlcourse.ai，可以使用以下 BibTeX 记录：

@misc{mlcourse_ai,
    author = {Kashnitsky, Yury},
    title = {mlcourse.ai – 开放式机器学习课程},
    year = {2020},
    publisher = {GitHub},
    journal = {GitHub 仓库},
    howpublished = {\url{https://github.com/Yorko/mlcourse.ai}},
}

mlcourse.ai 快速上手指南

mlcourse.ai 是由 OpenDataScience (ods.ai) 社区发起的开源机器学习课程，由 Google Cloud 专家 Yury Kashnitsky 主导。课程旨在平衡理论与实践，涵盖从 Pandas 数据分析到梯度提升（Gradient Boosting）的完整机器学习流程。本课程采用**自定进度（self-paced）**模式，提供英文、俄文及中文学习资料。

环境准备

在开始学习之前，请确保您的开发环境满足以下要求：

• 操作系统：Windows、macOS 或 Linux 均可。
• Python 版本：推荐 Python 3.8 及以上版本。
• 核心依赖库：
  • pandas, numpy, scikit-learn, matplotlib, seaborn
  • jupyter (用于运行笔记本)
  • xgboost, lightgbm, catboost (进阶章节需要)
  • prophet (时间序列章节需要)
• 账号准备：
  • Kaggle 账号：课程包含大量 Kaggle Inclass 竞赛和 Notebook 练习，建议提前注册。
  • GitHub 账号：用于克隆课程代码仓库。

提示：如果您不想在本地配置环境，可以直接使用课程提供的 Kaggle Notebooks 链接在线运行代码，无需安装任何依赖。

安装步骤

方案一：本地环境搭建（推荐国内用户使用镜像源）

1. 克隆课程仓库 打开终端，执行以下命令获取最新课程资料（包含中文 Notebook）：

   git clone https://github.com/Yorko/mlcourse.ai.git
   cd mlcourse.ai
   

2. 创建虚拟环境 建议使用 conda 或 venv 隔离环境。

   python -m venv mlcourse_env
   # Windows:
   mlcourse_env\Scripts\activate
   # macOS/Linux:
   source mlcourse_env/bin/activate
   

3. 安装依赖包 为确保下载速度，推荐使用国内镜像源（如清华源或阿里源）安装核心库：

   pip install -i https://pypi.tuna.tsinghua.edu.cn/simple jupyter pandas numpy scikit-learn matplotlib seaborn xgboost lightgbm catboost
   

   注：时间序列部分所需的 prophet 库安装较复杂，如遇问题可暂时跳过，或使用 Kaggle 在线环境学习该章节。

方案二：在线免安装（最快捷）

直接访问课程提供的 Kaggle Notebook 链接进行学习，无需本地安装。

• 访问 mlcourse.ai 官网文章列表，点击每章对应的 Kaggle Notebook 链接。
• 点击 "Copy and Edit" 即可在浏览器中直接运行代码。

基本使用

课程共分为 10 周（10 个主题），从基础数据分析到高级集成学习。以下是启动学习的标准流程：

1. 启动 Jupyter Notebook

进入课程目录并启动服务：

cd jupyter_english # 或 jupyter_chinese (如果有本地中文笔记)
jupyter notebook

浏览器将自动打开，您可以看到按主题分类的文件夹。

2. 学习路径示例（以第一周为例）

• 阅读理论：访问 Topic 1: Exploratory Data Analysis with Pandas。
  • 中文笔记地址：使用 Pandas 进行数据探索
• 观看视频：访问 YouTube 播放列表中的 Lecture 1。
• 动手实践：
  1. 在本地或 Kaggle 打开 assignment01_pandas_uci_adult.ipynb。
  2. 按照注释指引，使用 Pandas 加载 adult.data 数据集。
  3. 完成数据清洗、可视化及简单的统计推断任务。

3. 进阶挑战（可选）

完成基础演示作业后，可参与课程配套的 Kaggle 竞赛（如 "Alice" 或 "Medium" 项目），尝试超越基准线（Baseline）。

• 若需获取带详细解答的非演示版作业（Bonus Assignments），可通过 Patreon 或 Boosty 支持作者以获得访问权限。

4. 后续主题概览

按顺序完成以下模块的学习：

1. Pandas 数据探索
2. Python 数据可视化
3. 决策树与 KNN 分类
4. 线性分类与回归
5. Bagging 与随机森林
6. 特征工程与选择
7. 无监督学习 (PCA & 聚类)
8. 大规模数据处理 (Vowpal Wabbit / SGD)
9. 时间序列分析
10. 梯度提升 (Gradient Boosting)