- 章节1： 机器学习概述
- 课时1：机器学习概述 一 07:27
- 课时2：机器学习概述 二 06:04
- 课时3：机器学习概述 三 05:34
- 课时4：机器学习概述 四 20:02
- 课时5：基础预测模型 07:37
- 课时6：分类，回归，聚类 13:15
- 课时7：区分三种机器学习问题 03:38
- 课时8：分类实例 10:05
- 课时9：回归问题和聚类问题实践 17:23
- 课时10：监督学习非监督学习概述 05:40
- 课时11：监督学习实践 08:52
- 课时12：非监督学习实践 10:40
- 章节2： 性能测量
- 课时13：性能问题 概述 25:52
- 课时14：混淆矩阵实践 09:20
- 课时15：混淆矩阵中的比例 09:25
- 课时16：回归中的rmse 15:18
- 课时17：聚类问题的性能实践 07:03
- 课时18：关于性能指标的几个问题 03:06
- 课时19：训练集和测试集概述 14:43
- 课时20：分割训练集实践 09:35
- 课时21：先训练再测试 09:08
- 课时22：交叉验证 14:15
- 课时23：偏差方差概述 09:59
- 课时24：过拟合实例 13:47
- 课时25：提高模型的偏差 09:22
- 章节3： 机器学习分类问题
- 课时26：分类-决策树 17:26
- 课时27：决策树实例讲解 35:28
- 课时28：KNN原理介绍 11:52
- 课时29：knn实例演示 41:20
- 课时30：ROC介绍 12:59
- 课时31：创建ROC曲线（1） 04:53
- 课时32：创建ROC曲线（2） 06:02
- 课时33：AUC 的产生 06:01
- 课时34：比较ROC 05:41
