科学家的机器学习这些是大约一天课程的材料，介绍机器学习中的一些关键方法和概念，面向科学受众。目的是让在科学数据分析（曲线拟合等）方面有一定经验并熟悉Python或R的与会者在阅读完本材料后：对关键术语有一些基本的了解，使用了一些标准的基本方法，并且对基础理论有基础，了解一些具有广泛适用性的基本概念。它在python（sklearn，还有一些其他包）中涵盖了以下大部分或全部方法：回归： OLS黄土套索分类逻辑回归神经网络朴素贝叶斯密度估计内核方法聚类k均值，层次聚类...更重要的是，它涵盖了以下概念：偏差-方差权衡、重采样方法、引导交叉验证、排列测试、型号选择、变量选择、多重假设检验。