1、培訓過程中，如有部分內容理解不透或消化不好，可免費在以后培訓班中重聽；
        2、培訓結束后,授課老師留給學員聯系方式,保障培訓效果,免費提供課后技術支持。
        3、培訓合格學員可享受免費推薦就業機會。

• 第1章預備章節
  1-1機器學習背景知識介紹
  1-2python安裝
  1-3機器學習基礎概念
  第2章線性回歸以及非線性回歸
  2-1一元線性回歸
  2-2代價函數
  2-3梯度下降法
  2-4(實戰)梯度下降法-一元線性回歸
  2-5(實戰)sklearn-一元線性回歸
  2-6線性代數復習
  2-7多元線性回歸
  2-8(實戰)梯度下降法-多元線性回歸
  2-9(實戰)sklearn-多元線性回歸
  2-10(實戰)sklearn-多項式回歸
  2-11標準方程法
  2-12(實戰)標準方程法
  2-13特征縮放,交叉驗證法
  2-14過擬合,正則化
  2-15嶺回歸
  2-16(實戰)sklearn-嶺回歸
  2-17(實戰)標準方程法-嶺回歸
  2-18LASSO算法
  2-19(實戰)sklearn-LASSO算法
  2-20(實戰)sklearn-彈性網
  第3章邏輯回歸
  3-1邏輯回歸
  3-2正確率,召回率,F1指標
  3-3(實戰)梯度下降法-邏輯回歸
  3-4(實戰)sklearn-邏輯回歸
  3-5(實戰)梯度下降法-非線性邏輯回歸
  3-6(實戰)sklearn-非線性邏輯回歸
  第4章神經網絡
  4-1神經網絡背景概述
  4-2單層感知器介紹
  4-3單層感知器程序
  4-4(實踐)單層感知器-異或問題
  4-5(實踐)線性神經網，Delta學習規則
  4-6(實踐)線性神經網絡解決異或問題
  4-7BP神經網絡介紹
  4-8BP算法推導
  4-9(實踐)BP神經網絡-異或問題
  4-10深入理解BP神經網絡(論文講解)
  4-11Google神經網絡演示平臺介紹
  第5章KNN算法
  5-1KNN算法介紹
  5-2(實踐)KNN算法實現
  5-3(實踐)使用KNN完成Iris數據集分類
  5-4(實踐)sklearn-KNN-iris分類
  第6章決策樹
  6-1決策樹-信息熵,ID3,C4.5算法介紹
  6-2(實踐)決策樹-例子
  6-3(實踐)決策樹-畫圖
  6-4決策樹-CART算法
  6-5(實踐)決策樹-CART算法
  6-6(實踐)決策樹-線性二分類
  6-7(實踐)決策樹-非線性二分類
  第7章集成學習
  7-1(實踐)Bagging介紹與使用
  7-2(實踐)隨機森林RF介紹與使用
  7-3(實踐)Adaboost介紹與使用
  7-4(實踐)Stacking和Voting介紹與使用
  7-5Kaggle介紹，數據分析
  第8章貝葉斯算法
  8-1貝葉斯算法背景
  8-2貝葉斯算法介紹
  8-3(實踐)貝葉斯-iris
  8-4(實踐)詞袋模型介紹
  8-5(實踐)TF-IDF算法介紹
  第9章聚類算法
  9-1K-MEANS算法介紹
  9-2(實踐)python實現K-MEANS算法
  9-3(實踐)sklearn-K-MEANS
  9-4(實踐)sklearn-Mini-Batch-K-M
  9-5K-MEANS算法存在的4個問題
  9-6(實踐)K-MEANS代價函數應用
  9-7(實踐)K-MEANS肘部法則
  9-8K-MEANS算法可視化
  9-9DBSCAN算法講解
  9-10DBSCAN算法可視化
  9-11(實踐)sklearn-DBSCAN算法
  第10章主成分分析PCA
  10-1PCA算法講解
  10-2(實踐)python實現PCA降維
  10-3(實踐)手寫數字降維可視化
  第11章支持向量機SVM
  11-1SVM簡介
  11-2(實踐)SVM簡單例子
  11-3SVM算法推導
  11-4松弛變量與懲罰函數
  11-5SVM簡單實例
  11-6SVM低維映射到高維
  11-7核函數
  11-8(實踐)SVM-線性分類
  11-9(實踐)SVM-非線性分類