ML-Learning-Journey-2025

🚀 2025 机器学习・深度学习・大模型全路线学习之旅

本仓库记录从零基础到精通的完整学习路径：数据处理 → 传统ML → 深度学习 → CV → NLP → 大模型 → MLOps。
目标：7 天 pandas 打卡后，每周一个实战项目。仿照企业级项目结构，边学边练，边练边推。
当前进度：第1天 pandas 环境搭建 + 数据探索已完成（泰坦尼克号数据集初步分析）。

---

系统说明

• 学习框架：基于 Python 3.11 + Jupyter Notebook + PyTorch（主力框架）。
• 核心路径：实战导向，每阶段配视频资源 + 代码 notebook + Kaggle 项目。
• 特色功能：每日 GitHub 打卡、进度复选框、完整 EDA 报告生成、模型部署 demo。
• 适用人群：零基础转行 AI，从游戏数字识别项目起步，直通大模型微调。

安装

1. 克隆仓库

   git clone https://github.com/codeInbpm/ML-Learning-Journey-2025.git
   cd ML-Learning-Journey-2025

2. 创建虚拟环境（推荐 conda）

   conda create -n ml2025 python=3.11 -y
   conda activate ml2025

3. 安装依赖

   pip install -r requirements.txt

   （requirements.txt 已包含 pandas、numpy、matplotlib、seaborn、jupyter 等）

4. 启动 Jupyter Notebook

   jupyter notebook

   打开后，按天运行对应 notebook（如 01_pandas_basics/day01_pandas.py）。

使用

• 每日打卡流程

  1. 进入对应文件夹（如 cd 01_pandas_basics）。
  2. 运行 notebook 或 .py 文件。
  3. 更新 README.md（添加截图 + 心得）。
  4. 提交 GitHub：

     git add .
     git commit -m "feat: 第X天 [主题] 完成"
     git push origin main

• 数据处理示例（第1天）

  import pandas as pd
  df = pd.read_csv("data/titanic.csv")
  print(df.head())  # 探索数据

• 可视化示例（第7天项目）

  import seaborn as sns
  sns.countplot(data=df, x='Sex', hue='Survived')
  plt.show()  # 性别与存活率分析

• 项目预览（后续阶段）

  • CV 项目：python cv_projects/game_digit_recognition.py（游戏截图数字识别）。
  • 大模型：python llm_projects/local_chatgpt.py（Llama3 + LangChain 本地部署）。

核心依赖

依赖	版本
Python	3.11
pandas	2.2.3
numpy	1.26.0
matplotlib	3.8.0
seaborn	0.13.0
Jupyter	1.0.0
PyTorch	2.3.0
FastAPI	0.110.0

模块说明

ML-Learning-Journey-2025/
├── README.md                          # 总学习计划 + 进度
├── requirements.txt                   # 环境依赖
├── data/                              # 共享数据集（titanic.csv 等）
├── 01_pandas_basics/                  # 第1阶段：pandas 基础
│   ├── day01_pandas.py                # 日志：环境搭建 + 数据读取
│   ├── README.md                      # 日志：截图 + 心得
│   └── data/                          # 阶段数据
├── 02_pandas_indexing_filtering/      # 第2阶段：索引 + 筛选
├── ...                                # 后续7天 pandas
├── ml_core/                           # 第2阶段：传统机器学习
│   ├── supervised_learning/           # 监督学习 notebook
│   └── unsupervised_learning/         # 无监督学习
├── deep_learning/                     # 第3阶段：PyTorch + 理论
├── cv_projects/                       # 第4阶段：计算机视觉（YOLO 等）
├── nlp_llm/                           # 第5-6阶段：NLP + 大模型（LangChain、RAG）
├── mlops/                             # 第7阶段：部署 + MLOps
└── docs/                              # 资源链接 + 笔记
    └── resources.md                   # 视频/文档合集

学习路线图（8阶段进度表）

阶段	主题	时长	关键输出	状态
1	数据工程（pandas）	7天	Titanic EDA 报告 (10图)	✅ 进行中
2	传统机器学习	4周	Kaggle Titanic 预测模型	⏳
3	深度学习 + PyTorch	3周	MNIST 手写数字识别	⏳
4	计算机视觉 (CV)	4周	游戏截图数字识别工具	⏳
5	自然语言处理 (NLP)	3周	文本分类 + BERT 微调	⏳
6	大模型 (LLM) 实战	4周	本地 ChatGPT + RAG 系统	⏳
7	工程化 & MLOps	2周	FastAPI 模型部署 demo	⏳
8	实战项目整合	持续	私人 AI 相册 + 知识库	⏳

详细计划见根目录 高颜值路线图。

许可证

MIT License - 自由使用、修改、分享。详情见 LICENSE。

贡献

欢迎 star、fork、issue！

• 提交代码：Fork → 修改 → Pull Request（参考 CONTRIBUTING.md）。
• 反馈学习心得：开 issue 讨论某个阶段的坑。
• 一起打卡：@我，我们互关鼓励！

联系方式

• 作者：brian
• 邮箱：brainwang1987@gmail.com
• 社区：欢迎加入 QQ 群/微信群（后续添加），或在 issue 留言。
• Demo 预览：后续项目上线后，会放 Colab 链接（如游戏数字识别在线 demo）。

---

⭐ Star 这个仓库，加入 2025 AI 学习军团！
📈 当前 Stars: 0 | Forks: 0 | 目标: 100 Stars 前分享第一个大模型项目

---