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(huì)。

• 第1章鳥瞰機(jī)器學(xué)習(xí)
  1-1課程介紹
  1-2人工智能和機(jī)器學(xué)習(xí)的關(guān)系
  1-3機(jī)器學(xué)習(xí)的分類
  1-4生成對(duì)抗網(wǎng)絡(luò)和強(qiáng)化學(xué)習(xí)
  1-5機(jī)器學(xué)習(xí)開發(fā)流程
  1-6機(jī)器學(xué)習(xí)的本質(zhì)
  1-7機(jī)器學(xué)習(xí)中那些坑
  1-8如何學(xué)習(xí)機(jī)器學(xué)習(xí)
  第2章項(xiàng)目1：房?jī)r(jià)預(yù)測(cè)（回歸類型問題）
  2-1如何搞到真實(shí)的一手機(jī)器學(xué)習(xí)數(shù)據(jù)
  2-2機(jī)器學(xué)習(xí)開發(fā)環(huán)境準(zhǔn)備
  2-3數(shù)據(jù)加載及快速可視化
  2-4訓(xùn)練和測(cè)試集數(shù)據(jù)及模型驗(yàn)證原理
  2-5現(xiàn)實(shí)數(shù)據(jù)訓(xùn)練及測(cè)試集分割
  2-6根據(jù)重要特征分離數(shù)據(jù)
  2-7根據(jù)地理信息可視化房地產(chǎn)數(shù)據(jù)
  2-8可視化數(shù)據(jù)相關(guān)性
  2-9特征工程
  2-10數(shù)據(jù)和標(biāo)簽
  2-11數(shù)據(jù)清洗
  2-12量化文本數(shù)據(jù)
  2-13組合特征與scikit主要架構(gòu)
  2-14實(shí)現(xiàn)特征組合
  2-15特征標(biāo)準(zhǔn)化
  2-16管道方法批量處理
  2-17線性回歸模型訓(xùn)練
  2-18回歸模型初步評(píng)估-RMSE和MAE
  2-19決策樹回歸模型
  2-20交叉驗(yàn)證模型
  2-21隨機(jī)森林回歸模型
  2-22持久化機(jī)器學(xué)習(xí)模型
  2-23參數(shù)與超參數(shù)
  2-24模型調(diào)優(yōu)--網(wǎng)格搜索
  2-25回歸模型評(píng)估
  2-26回歸模型開發(fā)流程總結(jié)
  第3章項(xiàng)目2:識(shí)別手寫數(shù)字—MNIST(分類問題)
  3-1分類問題的介紹
  3-2MNIST圖片數(shù)據(jù)
  3-3圖片可視化與分類問題描述
  3-4訓(xùn)練集和測(cè)試集
  3-5二分類模型
  3-6K-Fold交叉驗(yàn)證原理
  3-7正確使用交叉評(píng)估分?jǐn)?shù)
  3-8混淆矩陣-Confusion Matrix
  3-9精確度和召回率
  3-10F1分?jǐn)?shù)(F1-Score)
  3-11精確度和召回率的平衡
  3-12ROC 曲線
  3-13多分類算法的歸類--OvA和OvO
  3-14多分類算法識(shí)別手寫數(shù)字
  3-15基于概率預(yù)測(cè)的多分類模型
  3-16模型誤差分析
  3-17多標(biāo)簽多輸出的分類模型
  第4章附贈(zèng)項(xiàng)目和結(jié)束語
  4-1附贈(zèng)項(xiàng)目1：預(yù)測(cè)泰坦尼克號(hào)風(fēng)險(xiǎn)
  4-2附贈(zèng)項(xiàng)目2：垃圾郵件監(jiān)測(cè)
  4-3模塊總結(jié)與學(xué)習(xí)建議