课时1：机器学习背景知识介绍

课时2：python安装

课时3：机器学习基础概念

课时4：一元线性回归

课时5：代价函数

课时6：梯度下降法

课时7： 实战梯度下降法 一元线性回归

课时8：实战sklearn 一元线性回归

课时9：线性代数复习

课时10：多元线性回归

课时11：实战梯度下降法 多元线性回归

课时12：实战sklearn 多元线性回归

课时13：实战sklearn 多项式回归

课时14：标准方程法

课时15：实战标准方程法

课时16：特征缩放,交叉验证法

课时17：过拟合,正则化

课时18：岭回归

课时19：实战sklearn 岭回归

课时20：实战标准方程法 岭回归

课时21：LASSO算法

课时22：实战sklearn 弹性网

课时23：逻辑回归

课时24：正确率,召回率,F1指标

课时25：实战梯度下降法 逻辑回归

课时26：实战sklearn 逻辑回归

课时27：实战梯度下降法 非线性逻辑回归

课时28：实战sklearn 非线性逻辑回归

课时29：神经网络背景概述

课时30：单层感知器介绍

课时31：实践单层感知器程序

课时32：实践单层感知器 异或问题

课时33：实践线性神经网，Delta学习规则

课时34：实践线性神经网络解决异或问题

课时35：BP神经网络介绍

课时36：BP算法推导

课时37：实践BP神经网络 异或问题

课时38：深入理解BP神经网络论文讲解

课时39：Google神经网络演示平台介绍

课时40：KNN算法介绍

课时41：实践KNN算法实现

课时42：实践使用KNN完成Iris数据集分类

课时43：决策树 信息熵,ID3,C4 5算法介绍

课时44：实践决策树 例子

课时45：实践决策树 画图

课时46：决策树 CART算法

课时47：实践决策树 CART算法

课时48：实践决策树 线性二分类

课时49：实践决策树 非线性二分类

课时50：实践回归树

课时51：实践Bagging介绍与使用

课时52：实践随机森林RF介绍与使用

课时53：实践Adaboost介绍与使用

课时54：实践Stacking和Voting介绍与使用

课时55：贝叶斯算法背景

课时56：贝叶斯算法介绍

课时57：实践贝叶斯 iris

课时58：实践词袋模型介绍

课时59：实践TF IDF算法介绍

课时60：K MEANS算法介绍

课时61：实践python实现K MEANS算法

课时62：实践sklearn K MEANS

课时63：实践sklearn Mini Batch K Means

课时64：K MEANS算法存在的4个问题

课时65：实践K MEANS代价函数应用

课时66：实践K MEANS肘部法则

课时67：K MEANS算法可视化

课时68：DBSCAN算法讲解

课时69：DBSCAN算法可视化

课时70：实践sklearn DBSCAN算法

课时71：PCA算法讲解

课时72：实践python实现PCA降维

课时73：SVM简介

课时74：实践SVM简单例子

课时75：SVM算法推导

课时76：松弛变量与惩罚函数

课时77：SVM简单实例

课时78：SVM低维映射到高维

课时79：核函数