人工智能与机器学习开发
1.1 人工智能的发展历程
1.2 机器学习的基本概念
1.3 机器学习开发环境
1.4 Python开发环境
1.5 Python数据处理
1.6 Python文件访问
1.7 Numpy与Pandas文件访问
Python常用机器学习库
2.1 Numpy数值计算模块
2.2 Numpy创建数组序列
2.3 Numpy实例：一定要加油
2.4 Numpy数组切片、迭代
2.5 Pandas数据分析模块
2.6 Pandas-dataframe
2.7 Pandas统计
2.8 Matplotlib绘图模块
2.9 Matplotlib绘图
2.10 Matplotlib图表形状
2.11 Matplotlib显示图像和pandas绘图
2.12 OpenCV视觉模块
2.13 OpenCV - 捕获摄像头视频
2.14 OpenCV - 检测人脸
机器学习基础
3.1 机器学习算法的性能评价
3.2 机器学习算法的一般流程
KNN分类算法
4.1 KNN算法
4.2 KNN算法-数据集拆分
4.3 KNN算法实现
4.4 KNN算法实战-印刷体数字识别
k-means聚类算法
5.1 K-Means算法
5.2 K-Means算法性能评价
5.3 SKlearn实现K-Means聚类
5.4 使用K-Means对iris聚类
5.5 案例：“双11”物流公司配送问题
5.6 K-Means聚类中的问题
回归算法
6.1 回归算法
6.2 一元线性回归-预测电影票房
6.3 多元线性回归-预测电影票房
6.4 逻辑回归
6.5 逻辑回归参数的确定
6.6 实战：银行客户贷款逾期情况预测
6.7 Kaggle项目实战：give me some credit
神经网络
7.1 神经网络概述
7.2 感知机
7.3 BP算法（1）
7.4 BP算法（2）
7.5 神经网络实战
深度学习实战
8.1 深度学习引言
8.2 卷积神经网络CNN
8.3 实战：Minst手写数字识别