第1章 機器學習概述
本章講述了機器學習的基本概念，本門課的內容，以及在本門課中使用的一些工具安裝方法和基本使用方法。
第2章 回歸模型—理論
本章講述了回歸模型的基本原理和算法，并結合回歸介紹了交叉驗證的方法。
第3章 回歸模型—房價預測進階案例
通過一個預測房價的實際例子來展示了如何實際的構建和應用回歸模型。
第4章 分類模型—理論
本章講述了分類模型的基本原理和算法，并介紹了一些評估分類器好壞的方法。
第5章 分類模型—情感分析進階案例
通過一個情感分析的實際例子來展示了如何實際的構建和應用分類模型。
第6章 聚類和相似度模型—理論
本章講述了聚類和基于相似度模型的基本原理和算法，并且介紹了文本分析中最重要的一種表示方式TF-IDF。
第7章 聚類和相似度模型—維基百科人物相似度案例
通過一個維基百科中的文本分析實際例子來展示了如何實際的構建和應用聚類和相似度模型。
第8章 推薦系統—理論
本章介紹了推薦系統的基本原理和方法，具體介紹常用的利用協同過濾和矩陣分解來構建推薦系統的方法，并且還介紹了如何來處理冷啟動的情況。
第9章 推薦系統—構建推薦系統案例
通過一個小型的基于用戶電影評分推薦系統的實踐案例結束課程
第10章 深度學習—理論
本章主要對深度學習進行了一個入門的介紹，講述了在圖像檢索中運用到的深度學習理論和算法，然后引申到利用深度特征的遷移學習。
第11章 神經網絡—案例部分
利用神經網絡來計算XOR
第12章 結尾章
本章是本門課程的最后一章，主要講述了如何部署機器學習服務，和機器學習以后的發展方向，還有一些機遇和挑戰。
