这门机器学习课程适合哪些人？
它适合产品经理、运营与财务负责人、创始人，以及所有需要审批、采购机器学习系统或与其协同工作的人。你可能需要评估供应商的客户流失预测模型，决定某个预测项目是否值得投入资金，或向客户解释一项机器学习功能。
这门机器学习课程不适合哪些人？
本课程不适合已经担任机器学习工程师或数据科学家、希望接受高级专业培训的人。核心学习路径不涉及数学推导，可选的 Python 编程课也从零开始，而非从研究层次入手。如果你想通过全日制学习获得机器学习相关工作，请寻找大学课程或侧重工程实践的训练营；本课程不保证就业。本课程面向与这些技术开发人员协作的人，以及希望初次动手实践的任何人。
各个模块分别会学到什么？
这些模块先帮助你建立一套理解机器学习的思维框架，再将其用于你实际面临的决策。
1. 什么是机器学习
从示例中学习规律，而不是编写规则，以及这种方式与生成式 AI 和简单自动化的区别。
2. 训练数据
标签、特征和历史数据，以及为什么模型的表现受限于它学习时所用的示例。
3. 模型与预测
通过业务实例而非公式，讲解分类、数值预测和排序。
4. 评估与过拟合
用通俗语言介绍测试数据、准确率与精确率及召回率的区别，以及为什么模型在测试中表现完美，实际使用时却可能失效。
5. 偏见与漂移
历史数据如何固化不公平，以及为什么随着客户和市场的变化，模型的表现会变差。
6. 明确机器学习项目的需求并提出质疑
明确要做的决策、成功衡量标准和出错的代价，以及要向供应商和团队提出的问题。
个性化学习路径如何适应我的个人情况？
入门评估会了解你是刚接触这一主题，还是已经看过供应商演示，以及你需要作出哪些决策。产品经理的示例围绕推荐和排序功能展开；财务负责人的示例则围绕预测和欺诈预警展开。如果你已经能够解释训练数据与测试数据的区别，就会直接进入评估部分。
我要练习什么？
你会练习解读机器学习相关工作、提出需求并质询其合理性。任务会按照可查看的评分标准评分，并提供具体反馈，你也可以申请复核评分。
任务示例：一家虚构的软件公司——明光账簿，看到供应商展示的客户流失预测模型，准确率为 95%。但实际流失的客户仅占 4%。你需要解释为什么单看准确率意义不大，并列出你会要求对方提供哪些其他信息。评分标准会检查：你是否发现，将所有客户都预测为“不会流失”也能达到 96% 的准确率；是否询问模型能识别出多少实际流失的客户；是否询问使用了什么测试数据；是否询问模型多久重新训练一次。
完成机器学习课程需要多长时间？
每节课时长10至15分钟。学习路径的长度取决于你的入门测评结果和学习频率，因此没有固定的总小时数。已掌握数据和统计知识的人，通常能更快完成前期模块。
完成后我能获得什么？
课程最后设有实操考核：审查一份机器学习方案，并撰写一份简短的决策备忘录。通过后可获得一份受认可的职场人士机器学习基础证书。这不是经认证的资格证书，也不证明你具备工程技能。
费用是多少？
每个方案都包含机器学习基础课程。个人版每月 USD 79，或每年 USD 790。团队版每月 USD 189，或每年 USD 1,890，最多包含 3 名成员；每增加一名成员，另收每月 USD 49 或每年 USD 490，25 人及以上的团队可享批量定价。先免费试用 7 天，无需信用卡。