第一天

（上午）

线性回归与梯度下降算法

机器学习与人工智能概述

机器学习核心知识点与学习路线图

线性回归算法原理推导

目标与损失函数定义

优化策略分析

梯度下降算法原理分析

案例：多项式线性回归对比分析

第一天

（下午）

逻辑回归算法

逻辑回归算法原理推导

Notebook工具使用

机器学习建模流程

项目实战：交易记录数据建模实例

样本不均衡数据解决方案

模型评估指标对比

正则化惩罚项的作用

过拟合问题解决方案

参数对模型结果的影响

交叉验证的作用

模型测试结果分析

SMOTE过采样效果

第二天

（上午）

树模型建模原理

树模型必备基础

熵的作用

决策树构造实例

决策树剪枝策略

决策树可视化展示方法

集成策略对比分析

随机森林算法构造原理

提升算法建模实例

集成策略对比分析

第二天

（下午）

案例实战：基于随机森林的回归预测问题

随机森林回归模型

数据与预处理策略对结果的影响

时间效率对比分析

随机森林调参实战

贝叶斯算法原理

贝叶斯算法原理推导

贝叶斯建模实例

垃圾邮件分类实例

拼写纠错实例

项目实战：基于贝叶斯的新闻分类任务

文本数据预处理实例

中文分词与关键词提取

词袋模型与TF-IDF

建模效果对比分析

第三天

（上午）

支持向量机

支持向量机算法原理推导

SVM中的软间隔效果

SVM中核函数的作用

SVM建模实例分析

第三天

（下午）

提升算法建模实例

Xgboost与LightGBM工具包使用方法

基于lightgbm的饭店流量预测实例

案例：机器学习项目实战模板

常用工具包对比分析

数据分析与可视化展示模板

基于人口普查数据集的收入预测实例

第四天

（上午）

神经网络

神经网络必备基础知识点概述

前向传播与返向传播

整体神经网络架构分析

过拟合解决方案

神经网络应用实例分析

案例：基于Tensorflow的神经网络搭建方法

深度学习框架：Tensorflow实战

tensorflow基本操作

基于框架搭建神经网络模型

第四天

（下午）

计算机视觉-卷积神经网络

卷积神经网络必备知识点

卷积网络整体架构

卷积网络所涉及参数

卷积网络整体架构

经典网络模型对比分析

Tensorflow实战CNN模型

项目实战：基于CNN的图像分类实战

Tensorflow与keras工具包对比分析

基于keras的图像分类模板

CNN网络参数对结果的影响

实战模板分析

第五天

（上午）

自然语言处理-递归神经网络

RNN网络模型分析

LSTM整体架构对比

词向量模型的作用

Word2vec+lstm实战模板

项目实战：基于LSTM的情感分析任务

文本预处理与词向量特征构建

词向量模型加载

搭建LSTM网络模型

训练与测试网络效果

第五天

（下午）

经典神经网络模型实战分析

对抗生成网络原理

Gan与DCGAN建模实例

Seq2seq网络模型

经典开源项目分析

聚类算法

聚类算法综述

kmeans算法建模流程

dbscan算法建模流程

聚类效果可视化展示

半监督任务解决方案