1、可免費在以后培訓班中重聽；
        2、免費提供課后技術支持，保障培訓效果。
        3、培訓合格學員可享受免費推薦就業機會。

第1章支持向量機（SVM）
1-1支持向量機要解決的問題
1-2距離與數據定義
1-3目標函數
1-4目標函數求解
1-5SVM求解實例
1-6支持向量的作用
1-7軟間隔問
1-8SVM核變換
第2章SVM調參實例
2-1Sklearn求解支持向量機
2-2SVM參數選擇
第3章Kmeans聚類算法
3-1Kmeans算法概述
3-2Kmeans工作流程
3-3Kmeans迭代可視化展示
第4章DBSCAN聚類算法
4-1DBSCAN聚類算法概述
4-2DBSCAN工作流程
4-3DBSCAN可視化展示
4-4應用SMO算法求解支持向量機
第5章聚類實踐
5-1多種聚類算法概述
5-2聚類算法Sklearn實戰
第6章集成算法實例
6-1集成算法實例概述
6-2ROU與AUC指標
6-3基礎模型
6-4集成實例
6-5stacking模型
6-6效果改進
第7章EM算法
7-1EM算法要解決的問題
7-2隱變量問題
7-3EM算法求解實例
7-4Jensen不等式
7-5GMM模型
第8章GMM聚類實踐
8-1GMM實例
8-2GMM聚類
第9章神經網絡
9-1神經網絡-挑戰與常規套路
9-2K近鄰進行圖像分類任務
9-3超參數與交叉驗證
9-4線性分類
9-5損失函數
9-6正則化懲罰項
9-7Softmax分類器
9-8最優化形象解讀
9-9最優化問題細節
9-10反向傳播
9-11神經網絡整體架構
9-12神經網絡實例演示
9-13神經網絡過擬合解決方案
第10章案例實戰：神經網絡CIFAR分類任務
10-1Cifar分類任務概述
10-2分模塊構造神經網絡
10-3訓練神經網絡完成分類任務
10-4感受神經網絡的強大
第11章自然語言處理Word2Vec詞向量模型
11-1自然語言處理與深度學習
11-2語言模型
11-3N-gram模型
11-4詞向量
11-5神經網絡模型
11-6Hierarchical Softmax
11-7CBOW模型實例
11-8CBOW求解目標
11-9梯度上升求解
11-10負采樣模型
第12章Xgboost集成算法
12-1Xgboost算法概述
12-2Xgboost模型構造
12-3Xgboost建模衡量標準
12-4集成算法實例概述
12-5ROC與AUC指標
12-6基礎模型
12-7集成實例
12-8stacking模型
12-9效果改進