(1)1Python快速入門；目錄中文件數:10個

├─(1) 1.系列課程環境配置.mp4

├─(2) 10.函數基礎.mp4

├─(3) 2.Python快速入門.mp4

├─(4) 3.變量類型.mp4

├─(5) 4.LIST基礎.mp4

├─(6) 5.List索引.mp4

├─(7) 6.循環結構.mp4

├─(8) 7.判斷結構.mp4

├─(9) 8.字典.mp4

├─(10) 9.文件處理.mp4

(2)2科學計算庫Numpy；目錄中文件數:5個

├─(11) 1.數據結構.mp4

├─(12) 2.基本操作].mp4

├─(13) 3.矩陣屬性.mp4

├─(14) 4.矩陣操作.mp4

├─(15) 5.常用函數.mp4

(3)3數據分析處理庫Pandas；目錄中文件數:4個

├─(16) 1.數據讀取.mp4

├─(17) 2.數據預處理.mp4

├─(18) 3.常用函數.mp4

├─(19) 4.Series結構.mp4

(4)4可視化庫Matplotlib；目錄中文件數:5個

├─(20) 1.折線圖.mp4

├─(21) 2.子圖操作.mp4

├─(22) 3.條形圖與散點圖.mp4

├─(23) 4.柱形圖與盒圖.mp4

├─(24) 5.細節設置.mp4

(5)5Seaborn可視化庫；目錄中文件數:12個

├─(25) 1.課程簡介.mp4

├─(26) 10.Facetgrid使用方法.mp4

├─(27) 11.Facetgrid繪制多變量.mp4

├─(28) 12.熱度圖繪制.mp4

├─(29) 2.整體布局風格設置.mp4

├─(30) 3.風格細節設置.mp4

├─(31) 4.調色板.mp4

├─(32) 5.調色板顏色設置.mp4

├─(33) 6.單變量分析繪圖.mp4

├─(34) 7.回歸分析繪圖.mp4

├─(35) 8.多變量分析繪圖.mp4

├─(36) 9.分類屬性繪.mp4

===============第二階段===============

(1)1回歸算法；目錄中文件數:7個

├─(1) 1.機器學習概述(1).mp4

├─(2) 2.回歸算法.mp4

├─(3) 3.線性回歸誤差原理推導.mp4

├─(4) 4.目標函數求解.mp4

├─(5) 5.邏輯回歸原理.mp4

├─(6) 6.梯度下降實例.mp4

├─(7) 7.梯度下降原理.mp4

(2)2決策樹與隨機森林；目錄中文件數:8個

├─(8) 1.決策樹概述.mp4

├─(9) 2.熵原理形象解讀.mp4

├─(10) 3.決策樹構造實例.mp4

├─(11) 4.信息增益.mp4

├─(12) 5.信息增益率.mp4

├─(13) 6.決策樹剪枝.mp4

├─(14) 7.隨機森林.mp4

├─(15) 8.案例決策樹參數.mp4

(3)3貝葉斯算法；目錄中文件數:5個

├─(16) 1.貝葉斯算法概述.mp4

├─(17) 2.貝葉斯推導實例.mp4

├─(18) 3.貝葉斯拼寫糾錯實例.mp4

├─(19) 4.垃圾郵件過濾實例.mp4

├─(20) 5.貝葉斯實現拼寫檢查器.mp4

(4)4 Xgboost；目錄中文件數:7個

├─(21) 1.集成思想.mp4

├─(22) 2.xgboost基本原理.mp4

├─(23) 3.xgboost目標函數推導.mp4

├─(24) 4.xgboost求解實例.mp4

├─(25) 5.xgboost安裝.mp4

├─(26) 6.xgboost實戰演示.mp4

├─(27) 7.Adaboost算法概述.mp4

(5)5支持向量機算法；目錄中文件數:7個

├─(28) 1.支持向量機要解決的問題.mp4

├─(29) 2.支持向量機求解目標.mp4

├─(30) 3.支持向量機目標函數求解.mp4

├─(31) 4.支持向量機求解例子.mp4

├─(32) 5.支持向量的作用.mp4

├─(33) 6.軟間隔支持向量機.mp4

├─(34) 7.核函數變換.mp4

(6)6時間序列AIRMA模型；目錄中文件數:5個

├─(35) 1.數據平穩性與差分法.mp4

├─(36) 2.ARIMA模型.mp4

├─(37) 3.相關函數評估方法.mp4

├─(38) 4.建立ARIMA模型.mp4

├─(39) 5.參數選擇.mp4

(7)7神經網絡基礎；目錄中文件數:11個

├─(40) 1.深度學習概述.mp4

├─(41) 10.最優化問題細節.mp4

├─(42) 11.反向傳播.mp4

├─(43) 2.挑戰與常規套路.mp4

├─(44) 3.用K近鄰來進行分類.mp4

├─(45) 4.超參數與交叉驗證.mp4

├─(46) 5.線性分類.mp4

├─(47) 6.損失函數.mp4

├─(48) 7.正則化懲罰項.mp4

├─(49) 8.softmax分類器.mp4

├─(50) 9.最優化形象解讀.mp4

(8)8神經網絡架構；目錄中文件數:4個

├─(51) 1.整體架構.mp4

├─(52) 2.實例演示.mp4

├─(53) 3.過擬合解決方案.mp4

├─(54) 4.感受神經網絡的強大.mp4

(9)9PCA降維與SVD矩陣分解；目錄中文件數:4個

├─(55) 1.PCA問題.mp4

├─(56) 2.PCA降維實例.mp4

├─(57) 3.SVD原理.mp4

├─(58) 4.SVD推薦系統.mp4

(10)10聚類算法；目錄中文件數:3個

├─(59) 1.聚類算法概述.mp4

├─(60) 2.使用Kmeans進行圖像壓縮.mp4

├─(61) 3.特征工程2.mp4

(11)11推薦系統；目錄中文件數:9個

├─(62) 1.開場.mp4

├─(63) 2.推薦系統應用.mp4

├─(64) 3.推薦系統要完成的任務.mp4

├─(65) 4.相似度計算.mp4

├─(66) 5.基于用戶的協同過濾.mp4

├─(67) 6.基于物品的協同過濾.mp4

├─(68) 7.隱語義模型.mp4

├─(69) 8.隱語義模型求解.mp4

├─(70) 9.模型評估標準.mp4

(12)12Word2Vec；目錄中文件數:11個

├─(71) 1.開篇.mp4

├─(72) 10.銻度上升求解.mp4

├─(73) 11.負采樣模型.mp4

├─(74) 2.自然語言處理與深度學習.mp4

├─(75) 3.語言模型.mp4

├─(76) 4.N-gram模型.mp4

├─(77) 5.詞向量.mp4

├─(78) 6.神經網絡模型.mp4

├─(79) 7.Hierarchical Softmax.mp4

├─(80) 8.CBOW模型實例.mp4

├─(81) 9.CBOW求解目標.mp4