• 数学基础1：概率论与数理统计
• 一、机器学习基本概念
• 二、贝叶斯理论Bayes' Theorem
• 三、线性回归Linear Regression
• 四、感知机Preception
• 五、支持向量机SVM
• 六、k近邻分类 kNN
• 七、决策树Decision Tree
• 八、聚类Clustering
• 九、提升Boosting与Ensemble
• 十、EM算法和GMM
• 十一、主成分分析PCA
• 十二、神经网络与深度学习NN&DL