声明：本网站所有内容均为资源介绍学习参考，如有侵权请联系后删除
夯实数学基础
第1课（上）微积分
知识点1： 微积分的基本概念
第1课（下）概率论
知识点1： 概率论简介
第2课（上） 线性代数
知识点1： 线性代数基础
第2课（下） 凸优化
知识点1： 凸优化简介
掌握基本模型 打开ML大门
第3课 回归问题与应用
知识点1： 线性回归、logistic回归、梯度下降
实战项目： 分布拟合与回归、用LR分类与概率预测
实战项目： 实际工程海量数据下的logistic回归使用，包括样本处理、特征处理、算法调优和背后的原理
第4课 决策树、随机森林、GBDT
知识点1： 决策树 随机森林、GBDT
实战项目： 使用随机森林进行数据分类
第5课 SVM
知识点1： 线性可分支持向量机、线性支持向量机、非线性支持向量机、SMO
实战项目： 使用SVM进行数据分类
第6课 最大熵与EM算法（上）
知识点1： 熵、相对熵、信息增益、最大熵模型、IIS、GMM
重中之重 特征工程
第7课 机器学习中的特征工程处理
知识点1： 数据清洗、异常点处理、特征抽取、选择与组合策略
实战项目： 特征处理与特征选择工具与模板
第8课 多算法组合与模型最优化
知识点1： 机器学习问题场景分析、算法选择、模型构建、模型性能分析与优化策略
实战项目： 构建模型组合策略工具与模板
工业实战 在实战中掌握一切
第9课 sklearn与机器学习实战
知识点1： sklearn板块介绍，组装与建模流程搭建
实战项目： 经典Titanic案例，商品销量预测案例等
第10课 高级工具xgboost/lightGBM与建模实战
知识点1： xgboost与lightGBM使用方法与高级功能
实战项目： Titanic与商品销量预测进阶，Kaggle案例实战
第11课 用户画像与推荐系统
知识点1： 基于内容的推荐，协同过滤，隐语义模型，learning to rank，推荐系统评估
实战项目： 实际打分数据上的推荐系统构建
第12课 聚类
知识点1： K-means/K-Medoid/层次聚类
实战项目： K-means代码实现和实际应用分析
第13课 聚类与推荐系统实战
实战项目： 用户聚类结合推荐算法，构建推荐系统完整案例（送完整可运行的代码）
高阶知识 深入机器学习
第14课 贝叶斯网络
知识点1： 朴素贝叶斯、有向分离、马尔科夫模型
第15课 隐马尔科夫模型HMM
知识点1： 概率计算问题、参数学习问题、状态预测问题
实战项目： 使用HMM进行中文分词
第16课 主题模型
知识点1： pLSA、共轭先验分布、LDA
实战项目： 使用LDA进行文档分类
迈入深度学习 打开DL大门
第17课 神经网络初步
知识点1： 全连接神经网络、反向传播算法与权重优化，训练注意点
实战项目： 构建神经网络解决非线性切分问题
第18课 卷积神经网络与计算机视觉
知识点1： 卷积神经网络结构分析、过拟合与随机失活，卷积神经网络理解
实战项目： 工业界常用网络结构与搭建
第19课 循环神经网络与自然语言处理
知识点1： 循环神经网络、长时依赖问题与长短时记忆网络，BPTT算法
实战项目： 利用循环神经网络生成文本、学汪峰写歌词
第20课 深度学习实践
知识点1： Caffe应用要点、TensorFlow/Keras简介
实战项目： 用Caffe在自己的数据集上完成分类，用Tensorflow构建RNN模型分类预测