瞿炜AI编程实战课：从机器学习基础到核心算法精讲

这套由瞿炜主讲的AI编程实战课程，面向编程爱好者与AI初学者，系统梳理了从机器学习基础概念到主流算法实现的完整学习路径。课程强调理论与代码落地并重，帮助学员在动手实践中建立对AI算法的直观理解。

课程内容覆盖全面，循序渐进

• 开篇讲解课程理念、机器学习初识与技术栈准备，帮助学员快速建立整体认知；
• 系统介绍常见数据集、分类与回归问题、监督与无监督学习等基础概念，并点明机器学习中常见的误区与局限；
• 详细演示Anaconda图形化与命令行操作、Jupyter Notebook基础及常用魔法命令，夯实开发环境基础；
• 深入讲解Numpy数组创建、索引切片、合并拆分、矩阵运算、统计运算、排序与神奇索引，并结合Matplotlib完成数据可视化入门。

核心算法逐一手写实现

• KNN算法：从核心思想到分类与回归任务代码实现，涵盖数据集划分、模型评价、超参数与特征归一化；
• 线性与逻辑回归：讲解核心原理、代码实现、MSE/RMSE/MAE/R方等评价指标，以及多项式回归与多分类策略；
• 损失函数、梯度下降、决策边界、过拟合与欠拟合、学习曲线、交叉验证、正则化及LASSO与岭回归；
• 决策树：信息熵、基尼系数、剪枝及分类与回归任务实现；
• 神经网络：激活函数、正向与反向传播、梯度下降优化、梯度消失与梯度爆炸、模型选择；
• SVM：硬间隔与软间隔、核技巧与核函数、线性与非线性分类及回归实现；
• 贝叶斯方法、集成学习（Bagging、随机森林、Boosting、Stacking）以及k-means与分层聚类等无监督算法。

适合人群与学习价值

课程适合希望系统提升编程技能、深入理解AI算法原理的学习者。每个模块均配有对应的代码实现环节，学员不仅能掌握Numpy、Matplotlib等常用工具，还能亲手完成KNN、决策树、神经网络等核心算法的编写与调优，逐步形成从数据预处理、模型训练到评估优化的完整实战能力。