机器学习认证程序

ML MCP

此存储库包含机器学习模型认证计划（ML MCP）的材料。

目录

• 引言
• 程序结构
• 模块
• 入门指南
• 贡献
• 许可证

引言

ML MCP旨在提供机器学习各个方面的全面培训和认证。它涵盖了基本概念、高级技术和实际应用，为参与者应对现实世界的机器学习挑战做好准备。

程序结构

该程序分为几个模块，每个模块都专注于机器学习的特定领域。每个模块包括：

• 讲座： 理论基础和概念。
• 动手实验室： 实践练习和编码作业。
• 项目： 使用机器学习技术解决现实世界的问题。
• 评估： 测验和考试来评估理解程度。

模块

以下模块是ML MCP的一部分：

1. 模块1：机器学习基础

   • 机器学习简介，机器学习的类型（监督、无监督、强化）
   • 数据预处理、特征工程
   • 评估指标
   • 线性回归、逻辑回归

2. 模块2：监督学习算法

   • 决策树，随机森林
   • 支持向量机（SVM）
   • K—最近邻（KNN）
   • 梯度增强（XGBoost、LightGBM）

3. 模块3：无监督学习和降维

   • 聚类（K-Means、分层聚类、DBSCAN）
   • 主成分分析
   • t-SNE、UMAP

4. 模块4：神经网络和深度学习

   • 神经网络、感知器导论
   • 多层感知器（MLP）
   • 卷积神经网络（CNN）
   • 循环神经网络（RNN）、LSTM、GRU
   • 迁移学习

5. 模块5：模型部署和MLOps

   • 模型序列化（Pickle、Joblib）
   • 容器化（Docker）
   • 编排（Kubernetes-