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章概述
1-1概述
第2章數學基礎
2-1矩陣及矩陣的基本表示
2-2矩陣基本運算
2-3幾種特殊矩陣
2-4向量及向量的基本運算
2-5矩陣特征值特征向量的計算
2-6奇異值分解
2-7貝葉斯
第3章Python基礎
3-1Python怎么學？
3-2Anaconda正確的使用姿勢
3-3notebook基本使用
3-4numpy之矩陣的創建
3-5numpy之讀取文件內容
3-6numpy之數據處理
3-7numpy之與和或的用法
3-8numpy之矩陣屬性操作
3-9numpy之矩陣加減乘操作
3-10numpy之矩陣其他操作
3-11numpy之特征值分解
3-12pandas之pandas的用處
3-13pandas之讀取文件
3-14pandas之數據屬性
3-15pandas之數據基本操作
3-16pandas之空值及分組處理
3-17matplot之基本框繪制
3-18matplot之折線圖優化
3-19matplot之區域畫多圖
3-20matplot之其他操作
第4章算法基礎
4-1線性回歸數學推導-矩陣轉換
4-2線性回歸數學推導-誤差值分析
4-3線性回歸數學推導-似然函數
4-4線性回歸數學推導-最小二乘
4-5梯度下降前提及步驟
4-6梯度下降求解步驟
4-7Sigmoid函數
4-8邏輯回歸
4-9聚類算法
4-10聚類算法之Kmeans算法講解
4-11聚類算法之Kmeans算法演示
4-12聚類算法之DBSCAN講解10:41
4-13聚類算法之DBSCAN可視化演示
4-14決策樹算法概述
4-15決策樹熵值計算
4-16決策樹三種節點順序衡量標準
4-17決策樹剪枝策略
4-18集成算法之Bagging
4-19集成算法之Boosting
4-20EM算法思想
4-21EM算法之Jensen不等式
4-22EM算法之數學推導
第5章項目實戰
5-1Kmeans數據準備
5-2Kmeans籃球數據分類
5-3貝葉斯數據準備
5-4貝葉斯分類的思路整理
5-5貝葉斯算法訓練