第1章 機(jī)器學(xué)習(xí)概述
本章講述了機(jī)器學(xué)習(xí)的基本概念，本門課的內(nèi)容，以及在本門課中使用的一些工具安裝方法和基本使用方法。
第2章 回歸模型—理論
本章講述了回歸模型的基本原理和算法，并結(jié)合回歸介紹了交叉驗(yàn)證的方法。
第3章 回歸模型—房?jī)r(jià)預(yù)測(cè)進(jìn)階案例
通過(guò)一個(gè)預(yù)測(cè)房?jī)r(jià)的實(shí)際例子來(lái)展示了如何實(shí)際的構(gòu)建和應(yīng)用回歸模型。
第4章 分類模型—理論
本章講述了分類模型的基本原理和算法，并介紹了一些評(píng)估分類器好壞的方法。
第5章 分類模型—情感分析進(jìn)階案例
通過(guò)一個(gè)情感分析的實(shí)際例子來(lái)展示了如何實(shí)際的構(gòu)建和應(yīng)用分類模型。
第6章 聚類和相似度模型—理論
本章講述了聚類和基于相似度模型的基本原理和算法，并且介紹了文本分析中最重要的一種表示方式TF-IDF。
第7章 聚類和相似度模型—維基百科人物相似度案例
通過(guò)一個(gè)維基百科中的文本分析實(shí)際例子來(lái)展示了如何實(shí)際的構(gòu)建和應(yīng)用聚類和相似度模型。
第8章 推薦系統(tǒng)—理論
本章介紹了推薦系統(tǒng)的基本原理和方法，具體介紹常用的利用協(xié)同過(guò)濾和矩陣分解來(lái)構(gòu)建推薦系統(tǒng)的方法，并且還介紹了如何來(lái)處理冷啟動(dòng)的情況。
第9章 推薦系統(tǒng)—構(gòu)建推薦系統(tǒng)案例
通過(guò)一個(gè)小型的基于用戶電影評(píng)分推薦系統(tǒng)的實(shí)踐案例結(jié)束課程
第10章 深度學(xué)習(xí)—理論
本章主要對(duì)深度學(xué)習(xí)進(jìn)行了一個(gè)入門的介紹，講述了在圖像檢索中運(yùn)用到的深度學(xué)習(xí)理論和算法，然后引申到利用深度特征的遷移學(xué)習(xí)。
第11章 神經(jīng)網(wǎng)絡(luò)—案例部分
利用神經(jīng)網(wǎng)絡(luò)來(lái)計(jì)算XOR
第12章 結(jié)尾章
本章是本門課程的最后一章，主要講述了如何部署機(jī)器學(xué)習(xí)服務(wù)，和機(jī)器學(xué)習(xí)以后的發(fā)展方向，還有一些機(jī)遇和挑戰(zhàn)。
