- 章节1： Python基础与科学计算库numpy
- 课时1：Python基础 29:10
- 课时2：Python核心结构 57:50
- 课时3：Numpy数组 35:18
- 章节2： 数据分析处理Pandas库
- 课时4：Numpy常用函数 33:44
- 课时5：Pandas 数据处理方法 59:26
- 课时6：Pandas 核心操作 25:42
- 章节3： 回归算法
- 课时7：机器学习概述 37:17
- 课时8：线性回归与逻辑回归算法原理详细推导 58:37
- 课时9：可视化库Matplotlib实战 25:44
- 章节4： 案例实战-信用卡欺诈检测
- 课时10：Matplotlib常用画图函数 17:04
- 课时11：样本不均衡数据集解决方案分析 58:37
- 课时12：基于逻辑回归的建模和评估策略 58:25
- 章节5： 决策树与随机森林
- 课时13：信用卡欺诈案例算法总结分析 59:59
- 课时14：决策树算法原理与剪枝策略 60:00
- 课时15：课后答疑 09:27
- 章节6： Kaggle经典案例和级联模型架构
- 课时16：决策树与随机森林分析 53:00
- 课时17：泰坦尼克号船员获救预测 11:54
- 课时18：机器学习中的级联模型 51:24
- 章节7： 支持向量机算法
- 课时19：线性支持向量机算法原理推导 64:15
- 课时20：软间隔与核变换应用与效果 60:00
- 章节8： 神经网络结构
- 课时21：神经网络基础知识点 59:59
- 课时22：神经网络结构 59:59
- 课时23：非线性与激活函数 11:23
- 章节9： tensorflow实战神经网络
- 课时24：Tensorflow核心函数使用方法 53:54
- 课时25：mnist数据集手写字体识别 56:21
- 章节10： 聚类和集成算法
- 课时26：k-means,DBSCAN等经典聚类算法原理 53:03
- 课时27：聚类算法应用场景与特征工程 41:44
- 课时28：Adaboost集成算法原理 23:08
