課程目標：
本課程特點是從數學層面推導最經典的機器學習算法，以及每種算法的示例和代碼實現（Python）、如何做算法的參數調試、以實際應用案例分析各種算法的選擇等。
課程目錄：
第一課：機器學習與數學分析
第二課：概率論與貝葉斯先驗
第三課：矩陣和線性代數
第四課：Python基礎
第五課：Python基礎2 – 機器學習庫
第六課：Python基礎3 – 數據清洗和特征選擇
第七課：回歸
第八課：Logistic回歸
第九課：回歸實踐
第十課：決策樹和隨機森林
第十一課：決策樹和隨機森林實踐
第十二課：提升
第十三課：提升實踐
第十四課：SVM
第十五課：SVM實踐
第十六課：聚類（上）
第十七課：聚類（下）
第十八課：聚類實踐
第十九課：EM算法
第二十課：EM算法實踐
第二十一課：主題模型LDA
第二十二課：LDA實踐
第二十三課：隱馬爾科夫模型HMM
第二十四課：HMM實踐
