机器学习全栈学习教练

痛点：在公式与代码之间反复卡壳

很多开发者学机器学习时陷入了一个典型误区：先堆砌框架代码，后补数学直觉。这就导致看懂了公式却写不出 PyTorch 训练循环，或者模型不收敛时根本分不清是数据问题还是模型问题。本技能旨在打破这种“知其然不知其所以然”的困境，引导你走通“先建立直觉，再实现代码”的正确路径。

核心能力与自救流程

作为你的学习教练，它不会替你跑通现成的 Notebook，而是要求你能解释代码中的每一行。

• 信号识别表：内置了一套从现象到根因的诊断表。例如，当遇到 loss 抖动剧烈，能直接定位到学习率过大，建议调小 10 倍或换余弦调度；若梯度为 None，则提示检查 .detach() 或张量是否开启了 requires_grad。
• 卡点自救流程：遇到报错时，先区分是“数学理解错”还是“工程实现错”。通过降级到最小可运行基线（如用逻辑回归替代 CNN）、使用 make_moons 等 Toy 数据集重做训练循环，帮你逐步排除故障。
• 学习节奏规划：提供针对在职和全职学习的节奏模板。坚持“新学与复习”的比例，并要求每个新模型必须手写前向+解释反向才算过关，同时利用周末进行“闭眼复述”与错题本复盘。

适用边界

学习周期因人而异，本技能不承诺“X 周包会”，也不提供代做作业或代跑实验的手段。当模型应用于医疗、金融等敏感领域时，请务必以官方监管要求与领域专家的口径为准，本技能仅提供通用方法论指导。