课程内容包含有机器学习领域比较主流的7种开发框架，分别是NumPy、Matplotlib、seaborn、pandas、scikit-learn、XGBoost、SHAP，涉及科学计算、数据可视化、数据分析、机器学习建模以及为模型提供可解释性信息等方面。课程设置的前提是学生已经具备机器学习相关理论基础以及Python编程基础。本门课程从实际问题出发，让学生逐步掌握机器学习的通用逻辑。
课程目标1：了解机器学习系统的类型。
课程目标2：掌握机器学习的工作流程和每个环节常用的操作。
课程目标3：理解机器学习中的主要挑战并掌握应对的方法。
课程目标4：掌握从数据和模型中获得见解的方法。
课程目标5：能独立完成机器学习项目。
课程学员
6-程子蕴-ml
1-袁瑞晴-ml
2-田子康-ml
2-李金蔓-ml
1- 马振兴-ml
2-滕轩栋-ml
3-马成功
4-霍艺驰-ml
1-周博宇-ml