1、培訓過程中，如有部分內(nèi)容理解不透或消化不好，可免費在以后培訓班中重聽；
        2、培訓結(jié)束后,授課老師留給學員聯(lián)系方式,保障培訓效果,免費提供課后技術(shù)支持。
        3、培訓合格學員可享受免費推薦就業(yè)機會。

• 第1章鳥瞰機器學習
  1-1課程介紹
  1-2人工智能和機器學習的關系
  1-3機器學習的分類
  1-4生成對抗網(wǎng)絡和強化學習
  1-5機器學習開發(fā)流程
  1-6機器學習的本質(zhì)
  1-7機器學習中那些坑
  1-8如何學習機器學習
  第2章項目1：房價預測（回歸類型問題）
  2-1如何搞到真實的一手機器學習數(shù)據(jù)
  2-2機器學習開發(fā)環(huán)境準備
  2-3數(shù)據(jù)加載及快速可視化
  2-4訓練和測試集數(shù)據(jù)及模型驗證原理
  2-5現(xiàn)實數(shù)據(jù)訓練及測試集分割
  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)相關性
  2-9特征工程
  2-10數(shù)據(jù)和標簽
  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實現(xiàn)特征組合
  2-15特征標準化
  2-16管道方法批量處理
  2-17線性回歸模型訓練
  2-18回歸模型初步評估-RMSE和MAE
  2-19決策樹回歸模型
  2-20交叉驗證模型
  2-21隨機森林回歸模型
  2-22持久化機器學習模型
  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回歸模型評估
  2-26回歸模型開發(fā)流程總結(jié)
  第3章項目2:識別手寫數(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訓練集和測試集
  3-5二分類模型
  3-6K-Fold交叉驗證原理
  3-7正確使用交叉評估分數(shù)
  3-8混淆矩陣-Confusion Matrix
  3-9精確度和召回率
  3-10F1分數(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多分類算法識別手寫數(shù)字
  3-15基于概率預測的多分類模型
  3-16模型誤差分析
  3-17多標簽多輸出的分類模型
  第4章附贈項目和結(jié)束語
  4-1附贈項目1：預測泰坦尼克號風險
  4-2附贈項目2：垃圾郵件監(jiān)測
  4-3模塊總結(jié)與學習建議