第1章 人工智能时代，人人都应该学会利用AI这个工具
1-1 课程导学 (19:43)
1-2 内容快速概览 (21:48)
1-3 人工智能介绍 (19:33)
1-4 环境及工具包介绍 (17:38)
1-5 环境配置及Python语法实操 (22:51)
1-6 Pandas、Numpy、Matplotlib实操 (23:21)
第2章 机器学习之线性回归
2-1 机器学习介绍 (17:42)
2-2 线性回归 (25:47)
2-3 线性回归实战准备 (13:34)
2-4 单因子线性回归实战 (17:18)
2-5 多因子线性回归实战 (25:29)
2-6 【讨论题】关于房价预测得思考
第3章 机器学习之逻辑回归
3-1 分类问题介绍 (16:40)
3-2 逻辑回归（1） (14:54)
3-3 逻辑回归（2） (14:30)
3-4 实战准备 (13:31)
3-5 考试通过实战（一） (19:49)
3-6 考试通过实战（二） (16:01)
3-7 芯片检测实战 (16:30)
3-8 【学习任务】商业异常消费数据预测
3-9 【讨论】关于分类模型搭建得思考
第4章 机器学习之聚类
4-1 无监督学习 (18:37)
4-2 Kmeans-KNN-Meanshift (19:01)
4-3 实战准备 (09:19)
4-4 Kmeans实战（1） (12:34)
4-5 Kmeans实战（2） (11:31)
4-6 KNN-Meanshift (16:51)
4-7 【学习任务】KMeans实现数据聚类
4-8 【讨论题】关于无监督学习得思考
第5章 机器学习其他常用技术
5-1 决策树（1） (13:22)
5-2 决策树（2） (14:48)
5-3 异常检测 (15:36)
5-4 主成分分析 (17:18)
5-5 实战准备 (22:19)
5-6 实战（1） (17:06)
5-7 实战（2） (14:49)
5-8 实战（3） (23:32)
5-9 【学习任务】决策树判断员工是否适合相关工作
5-10 【讨论题】关于分类问题得思考
第6章 模型评价与优化
6-1 过拟合与欠拟合 (18:37)
6-2 数据分离与混淆矩阵 (21:37)
6-3 模型优化 (21:09)
6-4 实战准备 (13:43)
6-5 实战（一） (24:53)
6-6 实战（二） (15:05)
6-7 实战（三） (24:20)
6-8 【讨论题】关于分类任务得思考
第7章 深度学习之多层感知器
7-1 多层感知器(MLP) (18:18)
7-2 MLP实现非线性分类 (19:45)
7-3 实战准备 (18:57)
7-4 实战（一） (23:24)
7-5 实战（二） (18:46)
7-6 【学习任务】Fashion_mnist服饰分类
7-7 【讨论题】逻辑回归模型与神经网络模型的关系
第8章 深度学习之卷积神经网络
8-1 卷积神经网络（一） (30:03)
8-2 卷积神经网络（二） (26:16)
8-3 实战准备 (15:18)
8-4 实战（一） (24:17)
8-5 实战（二） (26:20)
8-6 【讨论题】基础的CNN模型设计
第9章 深度学习之循环神经网络
9-1 序列数据案例 (11:41)
9-2 循环神经网络RNN (16:06)
9-3 不同类型的RNN模型 (17:36)
9-4 实战准备 (15:25)
9-5 实战（一）RNN股价预测 (20:49)
9-6 实战（二）RNN股价预测 (12:40)
9-7 实战（一）LSTM实现文本生成 (22:08)
9-8 实战（二）LSTM实现文本生成 (09:00)
9-9 【学习任务】贵州茅台股价预测
9-10 【讨论题】关于股票预测得思考
第10章 迁移混合模型
10-1 迁移学习（一） (12:59)
10-2 迁移学习（二） (08:48)
10-3 在线学习 (07:41)
10-4 混合模型1 (15:09)
10-5 混合模型2 (13:25)
10-6 实战准备（一） (14:36)
10-7 实战准备（二） (14:05)
10-8 基于新数据的迁移学习实战 (24:05)
10-9 机器+深度学习实现少样本苹果分类（一） (25:10)
10-10 机器+深度学习实现少样本苹果分类（二） (16:23)
10-11 机器+深度学习实现少样本苹果分类（三） (17:10)
10-12 机器+深度学习实现少样本苹果分类（四） (13:23)
第11章 课程总结
11-1 课程总结（一） (19:52)
11-2 课程总结（二） (15:41)
11-3 课程总结（三） (23:16)
