课程内容：

1、线性代数；
2、概率与统计；
3、数学分析与凸优化；

课程内容：

1、Python入门；
2、Numpy库基础；
3、数据分析库Pandas基础；
4、Python数据可视化Matplotlib基础；
5、Python机器学习库Scikit-learn简介；

课程内容：

1、机器学习的特点与功能；
2、机器学习算法分类；
3、机器学习的要素；
4、机器学习模型求解；
5、经验风险与结构风险；
6、模型的评估与选择；

课程内容：

1、从贝叶斯定理到分类模型；
2、条件概率的参数估计；
3、贝叶斯估计；
4、Navie Bayes实战；

课程内容：

1、逻辑回归模型；
2、逻辑回归的损失函数；
3、逻辑回归的模型求解；

课程内容：

1、熵与信息增益；
2、决策树的生成；
3、决策树的剪枝策略；

课程内容：

1、AdaBoost算法原理；
2、随机森林算法；
3、GBDT算法原理；

课程内容：

1、无监督算法评价指标；
2、距离度量；
3、K-Means算法；
4、密度聚类算法之 DBSCAN；
5、层次聚类算法之 AGNES；

课程内容：

1、神经元与感知机模型；
2、BP学习算法；
3、神经网络编码高维稀疏特征向量案例分析；

课程内容：

1、SVM要解决的问题；
2、线性可分SVM原理推导；
3、非线性SVM与核函数；
4、SVM多分类解决方法；

课程内容：

1、特征工程是什么；
2、数据预处理方法；
3、特征选择方法；
4、特征降维；

课程内容：

1、推荐系统架构介绍；
2、召回层算法详解；
3、排序层算法详解；
4、推荐系统案例实战；

课程内容：

1、算法面试常规过程及需要注意的问题；
2、算法面试常见问题以及答案分析；
3、常见机器学习算法优缺点及其适用场景分析；
4、大规模机器学习的晋升之道；