Summary Introduction 机器学习 第一课 介绍 第二课 单一特征量的线性回归 第三课 线性代数基本 第四课 多特征量线性回归 第五课 Octave介绍 第六课 逻辑回归 第七课 正规化 第八课 神经网络 第九课 神经网络学习 第十课 机器学习的优化方法 第十一课 系统设计 第十二课 支持向量机(SVM) 第十三课 聚类 第十四课 降维 第十五课 异常检测 第十六课 推荐系统 第十七课 大规模机器学习 第十八课 应用举例: 图片 OCR 第十九课 总结 机器学习作业 NG机器学习 Python实践 Scikit-learn实践 数据集 决策树 逻辑回归 [朴素贝叶斯] [GBDT] [随机森林] [交叉验证集] [网格搜索] [模型持久化] [Pipline] Pandas实践 Tesorflow实践 0.8 环境搭建 卷积神经网络 CNN 机器学习实践 第二章 k邻近算法 第三章 决策树 第四章 朴素贝叶斯分类 第五章 逻辑回归 Python 语法 相关环境搭建 Python核心编程 第二章 快速入门 第三章 Python基础 第四章 Python对象 第五章 数字 第六章 序列:字符串、列表和元组 第七章 映像和集合类型 第八章 条件和循环 第八章 条件和循环 第九章 文件输入和输出 第十章 错误和异常 第十一章 函数和函数式编程 第十二章 模块 第十三章 类 第十四章 执行环境 第十五章 正则表达式 第十六章 网络编程 第十七章 网络客户端编程 第十八章 多线程编程 实战技巧 用Python做科学计算 数值计算要点 1 pandas 要点 量化 统计套利 第一章 蒙特卡罗的谬误 第二章 统计套利 第三章 结构模型 机器学习课题 课题一 基于神经网络的股票研究 课题二 对自己的邮件进行自动分类整理 课题三 最个性网络阅读器 课题四 知识分享型机器人 概率论 第一周 第二周 小结 第九讲 随机变量 第十讲 离散型随机变量 第十一讲 分布函数 第十三讲 连续分布和指数分布 第十四讲 正态分布 概率分布小结 第十六讲 二元随机变量，离散型随机变量分布规律 第十七讲 二元离散型随机变量边际分布率和条件分布律 第十八讲 二元随机变量分布函数，条件分布函数 第二十三讲 随机变量的独立性 二元概率分布小结 第二十九讲 数学期望的性质 概率全息知识小结 第三十五讲 依概率收敛和切比雪夫不等式 线性代数 高等数学