教程名稱：
xa0 xa0 xa0xa0機器學習入門 Scikit-learn實現經典小案例 Python3 Python入門機器學習
教程內容：
xa0 xa0 Scikit-learn作為開源項目其中的代碼質量和風格變化是非常大的，覆蓋算法跨度也相當大。相比較于速度Scikit-learn更看重的是代碼可讀性以及易用性并且開發文檔已經相當完善。先理論后實際，大家學習的時候稍微注意下，數據挖掘或者機器學習的開發步驟和傳統的軟件開發步驟是有區別的。教程通過5個案例通俗易懂的為你講解機器學習。涉及到的知識點有以下幾點：回歸模型、詞袋模型，邏輯回歸，ROC、所用知識：TF-IDF，knn、所用知識：協同過濾、深度特征，遷移學習等。可應用在各種場景。并且選用了Scikit-learn+Jupyter Notebook使用起來較為便捷的開發工具。
教程目錄：
1.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。
2.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。
3.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。
4.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。
5.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。
6.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。
7.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。
8.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。
9.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
10.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。
11.神經網絡—案例部分
利用神經網絡來計算XOR
12.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。
