1、培训过程中，如有部分内容理解不透或消化不好，可免费在以后培训班中重听；
        2、课程完成后,授课老师留给学员手机和Email,保障培训效果,免费提供课后答疑。
        3、培训合格学员可享受免费推荐就业机会。

• 第1章预备章节
  1-1机器学习背景知识介绍
  1-2python安装
  1-3机器学习基础概念
  第2章线性回归以及非线性回归
  2-1一元线性回归
  2-2代价函数
  2-3梯度下降法
  2-4(实战)梯度下降法-一元线性回归
  2-5(实战)sklearn-一元线性回归
  2-6线性代数复习
  2-7多元线性回归
  2-8(实战)梯度下降法-多元线性回归
  2-9(实战)sklearn-多元线性回归
  2-10(实战)sklearn-多项式回归
  2-11标准方程法
  2-12(实战)标准方程法
  2-13特征缩放,交叉验证法
  2-14过拟合,正则化
  2-15岭回归
  2-16(实战)sklearn-岭回归
  2-17(实战)标准方程法-岭回归
  2-18LASSO算法
  2-19(实战)sklearn-LASSO算法
  2-20(实战)sklearn-弹性网
  第3章逻辑回归
  3-1逻辑回归
  3-2正确率,召回率,F1指标
  3-3(实战)梯度下降法-逻辑回归
  3-4(实战)sklearn-逻辑回归
  3-5(实战)梯度下降法-非线性逻辑回归
  3-6(实战)sklearn-非线性逻辑回归
  第4章神经网络
  4-1神经网络背景概述
  4-2单层感知器介绍
  4-3单层感知器程序
  4-4(实践)单层感知器-异或问题
  4-5(实践)线性神经网，Delta学习规则
  4-6(实践)线性神经网络解决异或问题
  4-7BP神经网络介绍
  4-8BP算法推导
  4-9(实践)BP神经网络-异或问题
  4-10深入理解BP神经网络(论文讲解)
  4-11Google神经网络演示平台介绍
  第5章KNN算法
  5-1KNN算法介绍
  5-2(实践)KNN算法实现
  5-3(实践)使用KNN完成Iris数据集分类
  5-4(实践)sklearn-KNN-iris分类
  第6章决策树
  6-1决策树-信息熵,ID3,C4.5算法介绍
  6-2(实践)决策树-例子
  6-3(实践)决策树-画图
  6-4决策树-CART算法
  6-5(实践)决策树-CART算法
  6-6(实践)决策树-线性二分类
  6-7(实践)决策树-非线性二分类
  第7章集成学习
  7-1(实践)Bagging介绍与使用
  7-2(实践)随机森林RF介绍与使用
  7-3(实践)Adaboost介绍与使用
  7-4(实践)Stacking和Voting介绍与使用
  7-5Kaggle介绍，数据分析
  第8章贝叶斯算法
  8-1贝叶斯算法背景
  8-2贝叶斯算法介绍
  8-3(实践)贝叶斯-iris
  8-4(实践)词袋模型介绍
  8-5(实践)TF-IDF算法介绍
  第9章聚类算法
  9-1K-MEANS算法介绍
  9-2(实践)python实现K-MEANS算法
  9-3(实践)sklearn-K-MEANS
  9-4(实践)sklearn-Mini-Batch-K-M
  9-5K-MEANS算法存在的4个问题
  9-6(实践)K-MEANS代价函数应用
  9-7(实践)K-MEANS肘部法则
  9-8K-MEANS算法可视化
  9-9DBSCAN算法讲解
  9-10DBSCAN算法可视化
  9-11(实践)sklearn-DBSCAN算法
  第10章主成分分析PCA
  10-1PCA算法讲解
  10-2(实践)python实现PCA降维
  10-3(实践)手写数字降维可视化
  第11章支持向量机SVM
  11-1SVM简介
  11-2(实践)SVM简单例子
  11-3SVM算法推导
  11-4松弛变量与惩罚函数
  11-5SVM简单实例
  11-6SVM低维映射到高维
  11-7核函数
  11-8(实践)SVM-线性分类
  11-9(实践)SVM-非线性分类