微软 ML-For-Beginners 以经典机器学习为主，课程包含数据处理、回归、分类、聚类、NLP、时间序列、强化学习和实际应用。本站把原课重组为 8 周实践路线，不提供整仓 ZIP。
固定版本：de2d4e12236445198213a0711855e348e7253cd4。导览中的周次是本站编排，不是上游新增的官方课表。
开始前：统一实验习惯
- 使用独立 Python 虚拟环境，记录 Python 和依赖版本。
- 每个项目保留原始数据说明、清洗代码、训练脚本和评估结果。
- 固定随机种子只是提高可复现性，不代表结果一定完全相同。
- 先建立简单基线，再比较模型；不要从复杂模型开始寻找理由。
- 只用有权使用的数据，涉及个人信息时先最小化、去标识化并评估风险。
第 1 周：问题定义、技术与公平性
原课：
本周产出：为一个公开数据集写问题卡，明确目标变量、特征、使用者、错误成本和不应使用的场景。区分分类、回归、聚类与推荐，不用“AI”掩盖具体任务。
第 2 周：工具、数据准备与可视化
原课：
本周产出：用 Scikit-learn、Pandas 和可视化工具检查缺失、异常、重复、分布和类别编码。先划分训练与测试，再拟合预处理器，避免测试信息泄漏。
验收：能用一张图和一个统计结果说明为什么做某项清洗，并保留未清洗基线作比较。
第 3 周：线性与逻辑回归
原课：
本周产出：完成一个数值预测和一个二分类实验。回归至少报告 MAE 或 RMSE，分类不能只看准确率，还要结合混淆矩阵、精确率、召回率和任务成本。
自测：能解释线性回归与逻辑回归的输出差异，为什么不能把分类概率直接当成现实保证。
第 4 周：把模型做成可调用的小应用
原课：Web App。
本周产出：保存训练好的模型和预处理流程，提供一个小型 Web 预测界面。检查输入范围、反序列化来源、异常提示和模型版本，不加载来源不明的模型文件。
验收：换一台干净环境按 README 能运行；非法输入不会导致服务崩溃；展示结果时注明局限。
第 5 周：分类器与推荐小项目
原课：
本周产出：使用相同数据划分比较至少两个分类器，并增加一个简单规则或多数类基线。用交叉验证观察稳定性，但不要在测试集上选择模型。
第 6 周：聚类不是自动产生真相
原课：
本周产出：比较不同缩放和簇数下的结果，检查聚类是否稳定、是否可解释。不要把算法给出的簇直接贴上带价值判断的人群标签。
第 7 周：NLP 与时间序列
原课：
本周产出：任选一种。文本任务记录分词和标签规则；时间序列按时间先后划分数据，与朴素预测比较，避免随机打乱导致未来信息泄漏。
第 8 周：真实场景与模型调试
原课：
最终项目应包含：
- 问题定义和不适用范围。
- 数据来源、许可、时间范围与已知偏差。
- 简单基线、模型、预处理与完整评估。
- 错误分组和典型失败案例。
- 可复现环境、运行命令和模型版本。
- 上线前需要的人工复核、监控和回退方案。
常见误区检查
- 准确率高不等于业务可用，先看类别分布和错误成本。
- 特征重要不等于因果，相关关系不能直接推出干预效果。
- 调参次数越多越需要独立测试集，防止对测试集过拟合。
- Notebook 能运行不等于项目可复现，补齐环境、数据与执行顺序。
- 模型输出不是自动决策授权，高风险场景必须保留人工复核。
来源与许可
上游 Copyright (c) Microsoft Corporation，采用 MIT License。本站重新编排 8 周路线，新增实践产出、检查点和风险提示，仅引用课程结构与固定版本链接。
MIT 许可要点：保留版权与许可声明后可使用、复制、修改、合并、发布、分发、再许可和销售；软件按“原样”提供，不附带明示或默示担保。完整法律文本以上游 LICENSE 为准。