Google 机器学习速成课程适合想建立机器学习基础的人。可从回归与分类练习入门，先弄清模型需要预测什么、训练时如何衡量误差、验证时用什么指标。做小数据集实验时，先固定数据划分，再尝试调整一个参数并比较表现。若训练结果看起来很好，验证结果却明显较差，可以回头检查是否过拟合，或训练数据与实际输入是否分布不同。
学习分类时，挑几个预测错误的例子看看，尤其注意少数类别有没有被忽略。准确率看似高的结果，也可能在关键类别上表现不足。可以同时保存混淆矩阵和几条样本，帮助自己解释模型哪里需要改进。把课程练习迁移到项目时，先写清数据来源、训练与验证的划分依据以及指标为什么适合。一次完整的可复现练习，比同时尝试许多算法更有助于把基础概念连起来。
一个可以独立完成的小练习是用小型表格数据对照不同分类阈值的结果。开始前把交付结果写下来，再准备一份已知答案或人工制作的参考版本。完成后把两份结果放在一起，标出最有帮助的部分，以及仍然需要人工处理的细节。如果准备把这个做法交给同事，可以留下实际输入、操作顺序和遇到的问题，让下一位使用者能从同一个起点继续验证。