1、培训过程中，如有部分内容理解不透或消化不好，可免费在以后培训班中重听；
       2、培训结束后,授课老师留给学员联系方式,保障培训效果,免费提供课后技术支持。
       3、培训合格学员可享受免费推荐就业机会。☆合格学员免费颁发相关工程师等资格证书，提升职业资质。专注高端技术培训15年，端海学员的能力得到大家的认同，受到用人单位的广泛赞誉，端海的证书受到广泛认可。

第1部份 机器学习基础，有监督学习，无监督学习，半监督学习。机器学习与深度学习，人工智能的关系。部署Python机器学习环境，matplotlib、Numpy、Scipy、libsvm、OpenCV、pandas、Anaconda、scikit-learn、theano、Keras、Tensorflow。机器学习基础算法在python下实现。Python与R，Julia等对比。
第2部份 从贝叶斯网到概率图模型，贝叶斯统计学，贝叶斯思维，一切皆有贝叶斯。生成式模型与判别式模型。先验知识，贝叶斯统计在小数据学习中的应用。pyMC部署。手机短信发送行为分析案例。
第3部份 吉布斯抽样，在贝叶斯统计中采用MCMC。网站转化率A/B测试案例。用贝叶斯回归进行金融预测的案例。
第4部份 决策树，信息熵与相对熵，ID3，C4.5，CART等算法，剪枝过程。用scikit-learn实现决策树。
第5部份 回归树。adaboost算法。提升树，分类提升树，回归提升树。梯度提升。用决策树构建随机森林。深度森林，及其与深度神经网络的对比？深度森林是否可以取代深度学习？
第6部份 XGboost，原理及实现。计算学习理论，机器学习是骗局吗？VC维与样本复杂度。超参数如何选择？缺失数据处理方法。类不平衡的处理。特征工程。与上述问题有关的scikit-learn函数。
第7部份 在海量短信中定位垃圾短信，半监督学习及其困难之处。聚类假设与流形假设。从k-means衍生的半监督学习算法。协同训练及其Python实现。co-forest算法，并应用于医学图像分析，半监督SVM及python实现。
第8部份 基于EM算法的半监督学习生成式方法。基于图的方法，label propagation和label spreading的python实现，多种半监督学习方法效果比较。用label propagation进行手写体识别。
第9部份 流形学习与降维，用scikit-learn实现流形学习
第10部份 凸优化，梯度下降算法，永恒难题之局部极小值，SGD随机梯度下降算法，python中实现梯度下降算法及SGD。梯度下降算法应用于神经网络，BP学习算法，用theano实现BP神经网络，神经网络各种训练框架和工业级实现，用tensorflow实现更复杂的神经网络结构。梯度下降算法在推荐系统中的应用，构筑一个新闻推荐系统
第11部份 凸优化与支持向量机，核方法，支持向量回归，核岭回归，应用支持向量机作人脸识别。在python中利用libsvm实现支持向量机，python中实现核有关算法