第一课:机器学习与数学分析第二课:概率论与贝叶斯先验第三课:矩阵和线性代数第四课:Python基础第五课:Python基础2-机器学习库第六课:Python基础3-数据清洗和特征选择第七课:回归第八课:Logistic回归第九课:回归实践第十课:决策树和随机森林第十一课:决策树和随机森林实践第十二课:提升第十三课:提升实践第十四课:SVM第十五课:SVM实践第十六课:聚类(上)第十七课:聚类(下)第十八课:聚类实践第十九课:EM算法第二十课:EM算法实践第二十一课:主题模型LDA第二十二课:LDA实践第二十三课:隐马尔科夫模型HMM第二十四课:HMM实践