a) 人工智能概述
b) 什么是机器学习
c) 机器学习算法分类
d) 机器学习开发流程
e) 学习框架和资料介绍
2. 特征工程
a) 数据集
b) 特征工程介绍
c) 特征抽取
d) 特征预处理
e) 特征降维
f) 主成分分析
3. 分类算法
a) sklearn转换器和估计器
b) K-近邻算法
c) 模型选择与调优
d) 朴素贝叶斯算法
e) 决策树
f) 集成学习方法之随机森林
4. 回归与聚类算法
a) 线性回归
b) 欠拟合与过拟合
c) 线性回归的改进-岭回归
d) 分类算法-逻辑回归与二分类
e) 模型保存和加载
f) 无监督学习-KMeans算法