1、培訓(xùn)過程中，如有部分內(nèi)容理解不透或消化不好，可免費(fèi)在以后培訓(xùn)班中重聽；
        2、培訓(xùn)結(jié)束后,授課老師留給學(xué)員聯(lián)系方式,保障培訓(xùn)效果,免費(fèi)提供課后技術(shù)支持。
        3、培訓(xùn)合格學(xué)員可享受免費(fèi)推薦就業(yè)機(jī)會。

• 第1章預(yù)備章節(jié)
  1-1機(jī)器學(xué)習(xí)背景知識介紹
  1-2python安裝
  1-3機(jī)器學(xué)習(xí)基礎(chǔ)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(jià)函數(shù)
  2-3梯度下降法
  2-4(實(shí)戰(zhàn))梯度下降法-一元線性回歸
  2-5(實(shí)戰(zhàn))sklearn-一元線性回歸
  2-6線性代數(shù)復(fù)習(xí)
  2-7多元線性回歸
  2-8(實(shí)戰(zhàn))梯度下降法-多元線性回歸
  2-9(實(shí)戰(zhàn))sklearn-多元線性回歸
  2-10(實(shí)戰(zhàn))sklearn-多項(xiàng)式回歸
  2-11標(biāo)準(zhǔn)方程法
  2-12(實(shí)戰(zhàn))標(biāo)準(zhǔn)方程法
  2-13特征縮放,交叉驗(yàn)證法
  2-14過擬合,正則化
  2-15嶺回歸
  2-16(實(shí)戰(zhàn))sklearn-嶺回歸
  2-17(實(shí)戰(zhàn))標(biāo)準(zhǔn)方程法-嶺回歸
  2-18LASSO算法
  2-19(實(shí)戰(zhàn))sklearn-LASSO算法
  2-20(實(shí)戰(zhàn))sklearn-彈性網(wǎng)
  第3章邏輯回歸
  3-1邏輯回歸
  3-2正確率,召回率,F1指標(biāo)
  3-3(實(shí)戰(zhàn))梯度下降法-邏輯回歸
  3-4(實(shí)戰(zhàn))sklearn-邏輯回歸
  3-5(實(shí)戰(zhàn))梯度下降法-非線性邏輯回歸
  3-6(實(shí)戰(zhàn))sklearn-非線性邏輯回歸
  第4章神經(jīng)網(wǎng)絡(luò)
  4-1神經(jīng)網(wǎng)絡(luò)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(shí)踐)單層感知器-異或問題
  4-5(實(shí)踐)線性神經(jīng)網(wǎng)，Delta學(xué)習(xí)規(guī)則
  4-6(實(shí)踐)線性神經(jīng)網(wǎng)絡(luò)解決異或問題
  4-7BP神經(jīng)網(wǎng)絡(luò)介紹
  4-8BP算法推導(dǎo)
  4-9(實(shí)踐)BP神經(jīng)網(wǎng)絡(luò)-異或問題
  4-10深入理解BP神經(jīng)網(wǎng)絡(luò)(論文講解)
  4-11Google神經(jīng)網(wǎng)絡(luò)演示平臺介紹
  第5章KNN算法
  5-1KNN算法介紹
  5-2(實(shí)踐)KNN算法實(shí)現(xiàn)
  5-3(實(shí)踐)使用KNN完成Iris數(shù)據(jù)集分類
  5-4(實(shí)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(shí)踐)決策樹-例子
  6-3(實(shí)踐)決策樹-畫圖
  6-4決策樹-CART算法
  6-5(實(shí)踐)決策樹-CART算法
  6-6(實(shí)踐)決策樹-線性二分類
  6-7(實(shí)踐)決策樹-非線性二分類
  第7章集成學(xué)習(xí)
  7-1(實(shí)踐)Bagging介紹與使用
  7-2(實(shí)踐)隨機(jī)森林RF介紹與使用
  7-3(實(shí)踐)Adaboost介紹與使用
  7-4(實(shí)踐)Stacking和Voting介紹與使用
  7-5Kaggle介紹，數(shù)據(jù)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(shí)踐)貝葉斯-iris
  8-4(實(shí)踐)詞袋模型介紹
  8-5(實(shí)踐)TF-IDF算法介紹
  第9章聚類算法
  9-1K-MEANS算法介紹
  9-2(實(shí)踐)python實(shí)現(xiàn)K-MEANS算法
  9-3(實(shí)踐)sklearn-K-MEANS
  9-4(實(shí)踐)sklearn-Mini-Batch-K-M
  9-5K-MEANS算法存在的4個(gè)問題
  9-6(實(shí)踐)K-MEANS代價(jià)函數(shù)應(yīng)用
  9-7(實(shí)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(shí)踐)sklearn-DBSCAN算法
  第10章主成分分析PCA
  10-1PCA算法講解
  10-2(實(shí)踐)python實(shí)現(xiàn)PCA降維
  10-3(實(shí)踐)手寫數(shù)字降維可視化
  第11章支持向量機(jī)SVM
  11-1SVM簡介
  11-2(實(shí)踐)SVM簡單例子
  11-3SVM算法推導(dǎo)
  11-4松弛變量與懲罰函數(shù)
  11-5SVM簡單實(shí)例
  11-6SVM低維映射到高維
  11-7核函數(shù)
  11-8(實(shí)踐)SVM-線性分類
  11-9(實(shí)踐)SVM-非線性分類