視頻+資料+代碼 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