数据分析：准备工作

数据分析：编程基础

数据分析：数据的探索性分析

数据分析：数据的分布与推断

数据分析：数据的相关分析

数据分析：时间序列的分析

数据分析：数据的决策分析

数据分析：数据的案例分析

机器学习：初识机器学习

机器学习：监督学习 - 准备

机器学习：监督学习算法 - k近邻算法

机器学习：监督学习算法 - 线性模型（回归）

机器学习：监督学习算法 - 线性模型（分类）

机器学习：监督学习算法 - 朴素贝叶斯分类器

机器学习：监督学习算法 - 决策树

机器学习：监督学习算法 - 决策树集成

机器学习：监督学习算法 - 核支持向量机

机器学习：监督学习算法 - 神经网络

机器学习：监督学习 - 快速总结

机器学习：数据预处理与缩放

机器学习：无监督学习 - 准备

机器学习：无监督学习 - 主成分分析

机器学习:无监督学习-非负矩阵分解与流形学习

机器学习：无监督学习 - k均值聚类

机器学习：无监督学习 - 凝聚聚类

机器学习：无监督学习 - 密度聚类

机器学习：无监督学习 - 聚类算法的评估

机器学习：无监督学习 - 快速总结

机器学习：数据表示与特征工程

机器学习：模型评估 - 交叉验证

机器学习：模型评估 - 网格搜索

机器学习：模型评估 - 多分类与回归指标

机器学习：建立算法的管道模型

机器学习：泰坦尼克号生存预测