第一章：概述

• 1. 课程概述(必看) 1:44

第二章：数学基础

• 1. 矩阵及矩阵的基本表示 9:01
• 2. 矩阵基本运算 9:16
• 3. 几种特殊矩阵 18:58
• 4. 向量及向量的基本运算 4:40
• 5. 矩阵特征值特征向量的计算 17:38
• 6. 奇异值分解 16:57
• 7. 贝叶斯公式 14:03
• 8. 几种特殊矩阵(旧) 18:58

第三章：Python基础

• 01. Python怎么学？ 6:22
• 02. Anaconda正确的使用姿势 11:30
• 03. notebook基本使用 6:10
• 04. numpy之矩阵的创建 付费专享 11:55
• 05. numpy之读取文件内容 9:29
• 06. numpy之数据处理 8:04
• 07. numpy之与和或的用法 3:55
• 08. numpy之矩阵的属性 9:43
• 09. numpy之矩阵加减乘操作 12:07
• 10. numpy之矩阵其他操作(新) 12:41
• 11. numpy之特征值分解(新) 3:28
• 12. pandas之pandas的用处 2:37
• 13. pandas之读取文件 7:21
• 14. pandas之数据属性 5:42
• 15. pandas之数据基本操作 6:29
• 16. pandas之空值及分组处理 6:54
• 17. Matplot之基本框绘制 付费专享 6:11
• 18. matplot之折线图优化 5:39
• 19. matplot之区域画多图 3:56
• 20. matplot之其他操作 4:43

第四章：算法

• 01. 线性回归数学推导-矩阵转换 11:35
• 02. 线性回归数学推导-误差项分析 7:59
• 03. 线性回归数学推导-极大似然估计 6:03
• 04. 线性回归数学推导-最小二乘 6:06
• 05. 梯度下降前提及步骤(新) 10:26
• 06. 梯度下降求解步骤 7:32
• 07. 逻辑回归-Sigmoid函数 3:59
• 08. 逻辑回归 5:04
• 09. 聚类算法 2:44
• 10. 聚类算法之kmeans 10:38
• 11. 聚类算法之kmeans可视化演示(新) 付费专享 10:59
• 12. (废弃)聚类算法之kmeans可视化演示 4:01
• 13. 聚类算法之DBSCAN讲解 10:41
• 14. 聚类算法之DBSCAN可视化演示 付费专享 8:34
• 15. 决策树算法概述 6:36
• 16. 决策树算法熵值计算 付费专享 14:58
• 17. 决策树三种节点顺序衡量标准 付费专享 6:55
• 18. 决策树剪枝策略 8:25
• 19. 集成算法之Bagging 9:54
• 20. 集成算法之Boosting 8:45
• 21. EM算法思想 9:46
• 22. EM算法之Jensen不等式 11:25
• 23. EM算法数学推导 14:40
• 24. 老师正在拼命录制中...... 0:08

第五章：项目实战

• 1. Kmeans数据准备 付费专享 6:07
• 2. Kmeans篮球数据分类 7:23
• 3. 贝叶斯数据准备 6:22
• 4. 贝叶斯分类的思路整理 6:00
• 5. 贝叶斯算法训练 13:23
• 6. 老师正在拼命录制中...... 0:08

第六章：同学们的新需求

• 1. 结束语 0:41
• 2. 老师正在拼命录制中...... 0:08