模块 1：基础入门01什么是机器学习入门→02机器学习的主要类型：监督、无监督与强化学习入门→03机器学习项目的典型工作流程入门→04开发环境搭建：Python、Jupyter 与 IDE入门→05NumPy 基础：数组与向量化运算入门→06Pandas 基础：DataFrame 与数据操作入门→07Matplotlib 基础：数据可视化入门入门→08用 Scikit-learn 构建你的第一个机器学习模型入门→
模块 2：数学基础09线性代数概述：向量与矩阵的意义入门→10向量运算：加法、点积与范数入门→11矩阵运算：乘法、转置与逆矩阵入门→12特征值与特征向量进阶→13概率论基础：事件、概率与条件概率入门→14随机变量与常见概率分布入门→15贝叶斯定理及其在机器学习中的应用进阶→16描述性统计：均值、方差与分位数入门→17微积分要点：导数与梯度进阶→18梯度下降的数学原理进阶→
模块 3：数据处理19数据加载：CSV、Excel、数据库与 API入门→20缺失值处理：检测、填充与删除策略入门→21异常值检测与处理方法进阶→22类别特征编码：One-Hot、Label 与 Target Encoding入门→23特征工程：构建有意义的特征进阶→24特征选择：过滤法、包装法与嵌入法进阶→25数据标准化与归一化入门→26主成分分析（PCA）降维进阶→27探索性数据分析（EDA）方法与实践入门→28进阶数据可视化：Seaborn 与 Plotly进阶→
模块 4：监督学习-回归29线性回归原理与实现入门→30多元线性回归入门→31多项式回归与非线性拟合进阶→32正则化：Ridge、Lasso 与 ElasticNet进阶→33回归评估指标：MSE、RMSE、MAE 与 R2入门→34交叉验证：K-Fold 与分层采样进阶→35偏差-方差权衡进阶→36学习曲线与模型诊断进阶→
模块 5：监督学习-分类37逻辑回归原理与实现入门→38K 近邻算法（KNN）入门→39决策树：原理、构建与剪枝进阶→40随机森林与 Bagging进阶→41支持向量机（SVM）进阶→42朴素贝叶斯分类器入门→43集成学习概述：Bagging 与 Boosting进阶→44AdaBoost 算法进阶→45XGBoost 原理与实战高级→46LightGBM 原理与实战高级→47分类评估指标：精确率、召回率、F1 与 AUC入门→48混淆矩阵与 ROC/PR 曲线进阶→
模块 6：无监督学习49K-Means 聚类算法入门→50层次聚类进阶→51DBSCAN 密度聚类进阶→52聚类评估：轮廓系数与 Calinski-Harabasz进阶→53t-SNE 高维数据可视化进阶→54UMAP 降维与可视化进阶→55异常检测方法：Isolation Forest 与 LOF进阶→56关联规则挖掘：Apriori 与 FP-Growth进阶→
模块 7：模型选择与调优57网格搜索超参数调优进阶→58随机搜索与贝叶斯优化进阶→59Optuna 自动超参数优化框架高级→60Scikit-learn Pipeline 构建完整工作流进阶→61特征重要性分析进阶→62SHAP 模型可解释性分析高级→63LIME 局部可解释性高级→64模型比较与选择策略进阶→
模块 8：深度学习入门65神经网络基础概念入门→66感知机与多层感知机（MLP）进阶→67反向传播算法详解高级→68激活函数：ReLU、Sigmoid 与 Softmax进阶→69损失函数与优化器进阶→70PyTorch 基础：Tensor 与自动求导进阶→71卷积神经网络（CNN）基础进阶→72循环神经网络（RNN）与 LSTM进阶→73迁移学习与预训练模型进阶→74GPU 训练与分布式训练基础高级→
模块 9：实战项目75实战：房价预测项目概览与数据探索进阶→76实战：房价预测——特征工程与模型训练进阶→77实战：图像分类（CNN）完整项目进阶→78实战：文本分类（NLP）完整项目进阶→79实战：推荐系统构建高级→80实战：时间序列预测进阶→81实战：欺诈检测（不平衡数据处理）高级→82实战：客户分群分析进阶→83实战：情感分析项目进阶→84实战：表格数据竞赛技巧高级→85实战：端到端机器学习项目全流程高级→
模块 10：工程化与部署86模型持久化：Pickle、Joblib 与 ONNX进阶→87Flask 构建模型推理 API进阶→88FastAPI 高性能模型服务进阶→89Docker 容器化部署机器学习模型进阶→90模型监控与数据漂移检测高级→91A/B 测试与模型上线策略高级→92MLOps 基础：MLflow 与 DVC高级→
模块 11：进阶主题93NLP 基础：词嵌入、TF-IDF 与 Word2Vec进阶→94Transformer 与注意力机制简介高级→95计算机视觉基础：目标检测与语义分割高级→96强化学习入门：基本概念与 Q-Learning高级→97AutoML：自动化机器学习框架进阶→98机器学习伦理：公平性、偏见与隐私进阶→99如何阅读机器学习研究论文进阶→100机器学习职业发展与学习路线入门→