人工智能与机器学习

1.人工智能应用发展概述

2.python入门

3.numpy学习

4.matplotlib学习

5.机器学习基础理论

KNN算法和决策树算法理论与实战

6.KNN算法介绍

7.python实现knn算法

8.sklearn实现knn算法完成iris数据集分类

回归算法理论与实战：

1.一元线性回归

2.代价函数

3.梯度下降法

4.使用梯度下降法实现一元线性回归

5.标准方程法

6.使用sklearn实现一元线性回归

7.多元线性回归

8.使用sklearn实现多元线性回归

9.特征缩放，交叉验证法

10.过拟合正则化

11.岭回归

12.sklearn实现岭回归

13.LASSO回归

14.sklearn实现LASSO回归

逻辑回归理论与实战：

1.逻辑回归

2.正确率，召回率，F1指标

3.sklearn实现逻辑回归

4.sklearn实现非线性逻辑回归

神经网络算法理论与实战：

5.神经网络基本原理

6.单层感知器程序 

7.线性神经网络 

8.激活函数，损失函数和梯度下降法

9.BP神经网络介绍

10.BP神经网络解决异或问题

11.sklearn-BP神经网络解决手写数字识别

决策树算法理论与实战：

1.决策树-信息熵,ID3,C4.5算法介绍

2.sklearn实现决策树

3.决策树-CART算法

4.CART算法实践

5.决策树解决线性二分类问题

6.决策树解决非线性二分类问题

7.回归树应用

集成学习算法理论与实战：

8.Bagging介绍与使用

9.随机森林介绍与使用

10.Adaboost介绍与使用

11.Stacking和Voting介绍与使用

聚类算法理论与实战：

1.k-means算法原理

2.k-means算法实现

3.DBSCAN算法原理

4.DBSCAN算法实现

SVM算法理论与实战：

1.SVM算法原理

2.SVM实现人脸识别