夯实数学基础掌握基本模型 打开ML大门重中之重 特征工程工业实战 在实战中掌握一切高阶知识 深入机器学习迈入深度学习 打开DL大门

*   夯实数学基础/

  *   第1课（上）微积分

  *   第1课（下）概率论

  *   第2课（上） 线性代数

  *   第2课（下） 凸优化

*   掌握基本模型 打开ML大门/

  *   第3课 回归问题与应用

  *   第4课 决策树、随机森林、GBDT

  *   第5课 SVM

  *   第6课 最大熵与EM算法（上）

*   重中之重 特征工程/

  *   第7课 机器学习中的特征工程处理

  *   第8课 多算法组合与模型最优化

*   工业实战 在实战中掌握一切/

  *   第9课 sklearn与机器学习实战

  *   第10课 高级工具xgboost/lightGBM与建模实战

  *   第11课 用户画像与推荐系统

  *   第12课 聚类

  *   第13课 聚类与推荐系统实战

*   高阶知识 深入机器学习/

  *   第14课 贝叶斯网络

  *   第15课 隐马尔科夫模型HMM

  *   第16课 主题模型

*   迈入深度学习 打开DL大门/

  *   第17课 神经网络初步

  *   第18课 卷积神经网络与计算机视觉

  *   第19课 循环神经网络与自然语言处理

  *   第20课 深度学习实践