机器学习入门别硬啃公式：这门速成课先讲直觉
想学机器学习，教程第一页就是公式和推导，看了三天还没跑起来一行代码，热情很快就耗完了。这门课把顺序换了一下：先用可拖拽的交互图示把概念画出来，再让你动手改代码，数学放在最后补。整门课按模块推进，一个模块十几分钟能过完。
它解决什么问题
教程一上来就堆公式，概念还没弄懂就被推导劝退，学到一半就放弃。
视频看完觉得懂了，真让自己动手调模型，还是不知道从哪一行开始。
核心能力
| 能力 | 具体能做到什么 |
|---|---|
| 交互式图示 | 用能拖动的图表讲清损失、梯度这类概念，不必先啃公式 |
| 视频与文字并举 | 每个模块都配讲解视频和文字说明，按自己的习惯挑一种 |
| 配套练习 | 部分模块带动手任务，在页面上改参数、写代码并即时看结果 |
| 模块化推进 | 从线性回归一路讲到神经网络，模块之间的衔接比较清楚 |
| 术语解释 | 常见机器学习术语集中给出说明，遇到生词可以随手查 |
| 免费公开 | 全部内容放在开发者站点上免费开放，不需要付费 |
先跑通再补数学，别倒着来
这门课最值得学的是它的编排顺序：先用交互图示让你对「参数变了结果会怎么变」建立直觉，再进入练习动手改代码，推导放在最后补充。建议每个模块按图示、视频、练习的顺序走一遍，看不懂的公式先跳过，练过几次再回头看会顺得多。练习里的参数不要照着抄一遍就跑，故意改坏几个值，观察结果怎么变化，比一次跑对收获大。
短板也要说清楚：为了照顾入门读者，它覆盖面偏窄，深度学习部分点到为止，数据清洗、特征工程、部署这些工程环节基本不涉及，学完算入门，离独立做项目还有距离。页面提供多语言版本，中文翻译的覆盖程度以站点实际提供的语种为准；读英文吃力可以配合翻译工具，但术语建议记住英文原词，以后查资料会方便很多。
同类工具怎么选
| 工具 | 授权 | 差别在哪 |
|---|---|---|
| Kaggle Learn | 免费闭源 | 短课为主，边学边在平台上做练习，更偏动手实操 |
| Elements of AI | 官方免费资源 | 不写代码，从概念和案例讲人工智能，适合完全零基础 |
| 动手学深度学习 | 开源免费 | 中文教材配可运行代码，从原理讲到实现，深度更足 |
谁适合用
- 完全没接触过机器学习、想先弄清楚概念的人
- 有编程基础但数学生疏、正在转方向的学习者
- 需要给学生做一次入门导览的老师
怎么开始
- 打开课程页面，先看导览部分，了解整体分成哪些模块。
- 从第一个模块开始，按视频或文字版把概念过一遍。
- 在交互图示里拖动参数，看结果随之怎么变化。
- 进入该模块的练习，按提示改代码并运行，观察输出。
- 一个模块做完再进下一个，看不懂的公式留在回头补。
常见问题
要会写代码吗？
练习需要读写简单代码，完全零编程基础会比较吃力，建议先补一点编程入门。
有中文版吗？
页面提供多语言版本，可在页面上切换语言，具体语种以站点实际提供的为准。
学完能接手项目吗？
能建立概念并跑通简单模型，独立做项目还要补数据处理和工程实践那一段。
要注册或付费吗？
内容免费公开，是否需要账号以站点实际要求为准。
授权与合规
由 Google 官方团队编写，挂在开发者站点上免费公开，不需要付费，内容随站点一并维护。 官网：developers.google.com/machine-learning/crash-course。
继续找同类资源
这条属于「学习资料」栏目，同栏目还有更多可直接使用的免费资源，可以在 学习资料全部资源 里按需翻阅。
相关资源
同栏目下这几条也常被一起翻到：
↓ 获取资源
点击按钮直接前往资源页面。
