---
description: 《机器学习工程实践》课程书稿
---

# 机器学习工程实践

本书面向具备 Python 基础、能够阅读基本数学符号的学习者，采用“概念—代码—系统—反思”的路径组织内容。前五章建立机器学习与深度学习基础，第六至十一章讨论边缘计算、机器人、智能体、大语言模型与系统工程，第十二章讨论技术趋势、伦理与治理。

## 学习目标

- 理解回归、分类、神经网络、计算机视觉和自然语言处理的核心概念；
- 能够完成从数据准备、模型训练到评估与部署的基本流程；
- 认识智能系统在边缘设备、机器人和多组件工程中的实现约束；
- 能够分析人工智能应用中的可靠性、安全、隐私、公平与合规问题。

## 内容结构

1. 机器学习基础与线性回归
2. 逻辑回归与分类问题
3. 神经网络基础
4. 卷积神经网络与计算机视觉
5. 循环神经网络与自然语言处理
6. 边缘计算与智能感知
7. 智能机器人系统
8. AI 专业领域应用与新兴技术
9. AI 智能体与自主系统
10. 大语言模型与知识增强
11. 智能系统工程实践
12. AI 未来发展与社会影响

## 使用建议

书中代码以教学演示为主。运行前请建立独立环境、核对依赖版本，并准备章节要求的数据和硬件。标为“示意代码”或“接口骨架”的片段用于解释系统结构，不代表可以直接投入生产。医疗、金融和安全相关案例仅供教学讨论，真实部署应经过领域专家评审、合规检查和独立测试。