Machine Learning Specialization（Coursera）

请帮我把「Machine Learning Specialization（Coursera）」的学习环境一次准备好，让我之后只需要按顺序学习和做练习。
开始前先问我：课程放在哪个目录（等我给出完整路径），确认我的操作系统和已有工具。确认前不要创建文件或安装软件。

课程入口：https://www.coursera.org/specializations/machine-learning-introduction
我的系统：Windows。如果实际不符，先调整方案。
本次路线：在线学习。只准备这条路线需要的工具；只读路线不安装运行环境、不配置模型密钥。
练习：平台内视频、测验、Python实验与评分作业。依次学习3门课，完成当前周的练习再进入下一周；证书、评分作业和实验权限以登录后的课程方案为准。
课节（官方顺序）：
1. 1.1 Week 1: Introduction to Machine Learning：https://www.coursera.org/learn/machine-learning
2. 1.2 Week 2: Regression with multiple input variables：https://www.coursera.org/learn/machine-learning
3. 1.3 Week 3: Classification：https://www.coursera.org/learn/machine-learning
4. 2.1 Neural Networks：https://www.coursera.org/learn/advanced-learning-algorithms
5. 2.2 Neural network training：https://www.coursera.org/learn/advanced-learning-algorithms
6. 2.3 Advice for applying machine learning：https://www.coursera.org/learn/advanced-learning-algorithms
7. 2.4 Decision trees：https://www.coursera.org/learn/advanced-learning-algorithms
8. 3.1 Unsupervised learning：https://www.coursera.org/learn/unsupervised-learning-recommenders-reinforcement-learning
9. 3.2 Recommender systems：https://www.coursera.org/learn/unsupervised-learning-recommenders-reinforcement-learning
10. 3.3 Reinforcement learning：https://www.coursera.org/learn/unsupervised-learning-recommenders-reinforcement-learning

1. 环境
- 使用桌面浏览器登录自己的Coursera账号，确认这3门课的实际访问权限；免费试用不等于所有作业免费。
- 优先打开平台的Python实验。课程使用NumPy、scikit-learn及TensorFlow，平台通常提供环境；只在官方实验明确支持时创建本地副本。
- 不要从第三方答案仓库下载所谓完整作业包；不自动注册付费方案。
- 公开课程介绍可浏览；进入Week 1实验需核对Coursera账号、选课和实际费用，本次没有验证登录后的实验。
- 安装前先列出要装的软件和命令，等我同意；已装好的直接复用。
2. 材料
- 官方课程表、材料与作业入口：只记录链接 https://www.coursera.org/specializations/machine-learning-introduction（未核实开放复制许可；只保存官方链接，不批量下载或再分发。）
3. 目录（最外层放在我确认的位置）
machine-learning-specialization/
├── README.md        # 课程入口、课节清单、每次怎么开始
├── progress.md      # 每课：读讲义 / 做练习 / 记笔记
├── questions.md     # 待解决的问题
├── check-env.md     # 环境自检，按 README 操作
├── data/            # 练习用到的样例数据
└── lessons/         # 每课一个文件夹：notes.md + exercises/
    ├── 01-lesson-01/
    ├── 02-lesson-02/
    ├── 03-lesson-03/
    ├── 04-lesson-04/
    ├── 05-lesson-05/
    ├── 06-lesson-06/
    ├── 07-lesson-07/
    ├── 08-lesson-08/
    ├── 09-lesson-09/
    └── 10-lesson-10/
- 每课文件夹里建 notes.md（顶部写本课官方链接）和 exercises/；课节文件夹名称与上面一致。
- 已有课程目录先检查并复用；不覆盖笔记、作业或 progress.md，不重置已有进度。尚未发布的课节保留入口并注明未发布，不能代写讲义或虚构练习。
4. 自检
- 创建 check-env.md，逐项检查并记录“通过/未通过”：
- 按浏览器或在线 notebook 清单检查，不为自检安装本机终端。
  - 人工检查：打开第一门课Week 1中的实验入口并执行首个环境单元  → 能进入自己有权限的实验并看到正常输出；无权限时明确记为平台访问阻塞。
- 标注为人工检查、浏览器操作或 notebook 单元的项目，按相应方式操作，不直接粘贴进 shell；脚本只包含当前系统可执行的命令。
- 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项；需要登录、付费或尚未开放的材料记为“需要我操作/未验证”，不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。
- 运行一次，把结果给我看；未通过的项目说明原因和修复办法。
5. 学习计划
- README.md：课程入口、课节清单（带链接）、每次学习怎么开始（使用“每课提示词”）。
- progress.md：每课三项勾选——读讲义、做练习、记笔记。
6. 最后分三部分汇报：已完成、需要我自己操作的、尚未验证的。

边界：
- 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。
- 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。
如果你不能直接操作我的文件系统，请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。