Amazon ML Summer School 2026 的8大模块课程清单:机器学习从入门到进阶的完整学习路线

原创2026-11-13 14:01:161,835 阅读

Amazon ML Summer School 2026 的8大模块课程清单:机器学习从入门到进阶的完整学习路线

Amazon ML Summer School 2026 是由 Amazon 科学家主讲、面向 2027/2028 届学生的机器学习培养项目。本仓库 Amazon-ML-Summer-School-2026 完整收录了 Amazon ML Summer School 的 8 大模块课程笔记、历年笔试真题(MCQ + 编程题)、官方样卷以及精选 ML 书籍资源,是准备筛选考试和 ML 面试的一站式学习路线 🧭

📌 关于项目:能帮你解决什么

  • 8 个模块的系统笔记:从监督学习到强化学习,循序渐进,适合零基础到进阶
  • 历年真题:2023/2024/2025 年的 MCQ 与编程题,覆盖笔试两大题型
  • 实战练习:每个模块末尾配有 Jupyter 实战任务,学完即练
  • 进阶书库:附赠《Deep Learning》《Transformers from Scratch》等经典书籍 PDF

🎯 筛选考试长什么样:先知道目标再学

笔试共 60 分钟,分两个部分,且两部分有各自独立的分数线:

部分 内容 备考重点
Part A 20 道 MCQ ML 基础、概率、统计、线性代数
Part B 2 道编程题 算法 + 数据结构,严禁抄袭

💡 建议:用下面的真题套卷完整计时模拟一次,再按模块笔记查漏。

可下载的真题文件(仓库根目录):

📚 8大模块课程清单:从入门到进阶

全部笔记位于 AMSS 2025/ 目录(总览见 AMSS 2025/README.md),按学习顺序如下:

Module 1:Supervised Learning 监督学习(入门基石)

文件:AMSS 2025/MODULE1.md

一切 ML 的起点。涵盖模型四要素(模型 / 损失函数 / 优化 / 正则化)、线性回归与逻辑回归、决策树、Random Forest、SVM、交叉验证与超参调优,以及混淆矩阵、Precision/Recall/F1、ROC AUC 等评估指标。

🛠 模块练习:用空气质量指数(AQI)数据集做探索性数据分析(EDA)与可视化。

Module 2:Deep Neural Networks 深度神经网络

文件:AMSS 2025/MODULE2.md

深入 MLP、CNN(卷积/池化/平移不变性)、RNN/LSTM 与 Transformer,理解激活函数、梯度下降与反向传播,以及深度学习爆发的三大驱动力:大数据、GPU、特征学习。

🛠 模块练习:分析 Titanic 乘客数据集,结合 EDA 构建生存预测模型。

Module 3:Dimensionality Reduction 降维

文件:AMSS 2025/MODULE3.md

面对高维数据(如几十万字袋的文本特征),学习特征选择/提取、SVD、PCA、矩阵分解与 Autoencoder,掌握 t-SNE 等可视化工具,兼顾降维与可解释性。

🛠 模块练习:在 Jupyter 中现场实践 PCA 与 t-SNE 并实验降维效果。

Module 4:Unsupervised Learning 无监督学习

文件:AMSS 2025/MODULE4.md

从无标签数据中发现结构:聚类(K-Means 等)、生成模型(GAN)、表示学习与对比学习。配合 TensorFlow / Keras 完成回归、分类、聚类的完整实战。

🛠 模块练习:用 TensorFlow + Keras 完成回归、分类、聚类全流程并尝试部署模型。

Module 5:Probabilistic Graphical Models 概率图模型

文件:AMSS 2025/MODULE5.md

难度升级的模块。学习贝叶斯网络(DAG)与马尔可夫网络、MLE 与贝叶斯估计、消解推理、MCMC(Gibbs / Metropolis-Hastings / NUTS)及变分推断(VI + ELBO),理解不确定性建模的核心思想。

Module 6:Sequential Learning 序列学习

文件:AMSS 2025/MODULE6.md

从 HMM 到 Attention 与 Transformer:子词建模(BPE)、预训练策略、长期依赖建模,直接对接翻译、摘要、聊天机器人等现代 NLP 系统。

Module 7:Causal Inference 因果推断

文件:AMSS 2025/MODULE7.md

超越"相关性",回答"干预是否真的导致结果"。涵盖因果图(DAG)、混杂因子、倾向性评分、逆概率加权(IPW)、因果森林与基于表示学习的现代因果方法,应用面覆盖医疗、经济、营销与政策。

Module 8:Reinforcement Learning 强化学习

文件:AMSS 2025/MODULE8.md

收官模块。学习 Agent-Environment 交互框架、MDP、Q-Learning、策略梯度、DQN 与深度强化学习,看 RL 如何扩展到复杂游戏与自动驾驶等真实控制场景。

📖 进阶书库:More ML Resources

课程之外的"深度学习资料海洋",全部 PDF 直接放在仓库中,无需额外下载:

书籍 文件
Deep Learning(Goodfellow 等) More ML Resources/Deep Learning by Ian Goodfellow, Yoshua Bengio, Aaron Courville.pdf
Hands-On ML(Géron 第2版) More ML Resources/Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2nd Edition.pdf
An Introduction to Statistical Learning More ML Resources/James G. et al. 2nd ed Springer 2021.pdf
Probabilistic Graphical Models More ML Resources/Probabilistic Graphical Models-Dafne Koller, Friedman (2009).pdf.pdf)
Elements of Causal Inference More ML Resources/Elements of Causal Inference - Peters Janzing Scholkopf - MIT Press.pdf
Reinforcement Learning: An Introduction More ML Resources/Reinforcement Learning An Introduction.pdf
Transformers from Scratch More ML Resources/TRANSFORMERS from SCRATCH.pdf

📊 该目录的 README 还整理了核心公式(SVM 优化、Self-Attention、RL 价值函数)、2024–2025 LLM 趋势对比表以及 Stanford CS231n / CS224n 等课程链接,适合作为长期复习手册。

🗓 推荐四周备考路线

  1. 第 1 周:Module 1–2 + 线性代数/概率复习,完成 AQI 与 Titanic 两个数据集练习
  2. 第 2 周:Module 3–5,重点吃透 PCA 与 MCMC,配合书库中的 Statistical Learning 对照
  3. 第 3 周:Module 6–8,Transformer 与 RL 框架各手写一遍伪代码级理解
  4. 第 4 周:真题冲刺——用官方样卷 + 2025 两场真题限时 60 分钟全真模拟,错题回查对应模块笔记

✅ 总结:为什么这份清单值得收藏

  • 学习路线与 Amazon 官方课程完全对齐,8 大模块由浅入深
  • 真题、样卷、笔记、练习四件套齐全,备考闭环一步到位
  • 附带经典书库,学完课程可持续深挖
  • 对 ML 求职面试同样适用:笔记本身就是高效的面试复习提纲

[!TIP] 仓库为只读学习资料,直接在线阅读即可。祝你在 Amazon ML Summer School 的选拔与面试中顺利拿到心仪的 Offer!🚀

登录后查看全文
Amazon-ML-Summer-School-2026