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章鳥瞰機器學習
  1-1課程介紹
  1-2人工智能和機器學習的關系
  1-3機器學習的分類
  1-4生成對抗網絡和強化學習
  1-5機器學習開發流程
  1-6機器學習的本質
  1-7機器學習中那些坑
  1-8如何學習機器學習
  第2章項目1：房價預測（回歸類型問題）
  2-1如何搞到真實的一手機器學習數據
  2-2機器學習開發環境準備
  2-3數據加載及快速可視化
  2-4訓練和測試集數據及模型驗證原理
  2-5現實數據訓練及測試集分割
  2-6根據重要特征分離數據
  2-7根據地理信息可視化房地產數據
  2-8可視化數據相關性
  2-9特征工程
  2-10數據和標簽
  2-11數據清洗
  2-12量化文本數據
  2-13組合特征與scikit主要架構
  2-14實現特征組合
  2-15特征標準化
  2-16管道方法批量處理
  2-17線性回歸模型訓練
  2-18回歸模型初步評估-RMSE和MAE
  2-19決策樹回歸模型
  2-20交叉驗證模型
  2-21隨機森林回歸模型
  2-22持久化機器學習模型
  2-23參數與超參數
  2-24模型調優--網格搜索
  2-25回歸模型評估
  2-26回歸模型開發流程總結
  第3章項目2:識別手寫數字—MNIST(分類問題)
  3-1分類問題的介紹
  3-2MNIST圖片數據
  3-3圖片可視化與分類問題描述
  3-4訓練集和測試集
  3-5二分類模型
  3-6K-Fold交叉驗證原理
  3-7正確使用交叉評估分數
  3-8混淆矩陣-Confusion Matrix
  3-9精確度和召回率
  3-10F1分數(F1-Score)
  3-11精確度和召回率的平衡
  3-12ROC 曲線
  3-13多分類算法的歸類--OvA和OvO
  3-14多分類算法識別手寫數字
  3-15基于概率預測的多分類模型
  3-16模型誤差分析
  3-17多標簽多輸出的分類模型
  第4章附贈項目和結束語
  4-1附贈項目1：預測泰坦尼克號風險
  4-2附贈項目2：垃圾郵件監測
  4-3模塊總結與學習建議