在接下来的几天时间里 对于 《机器学习算法原理与编程实践》, http://item.jd.com/11798750.html 《贝叶斯思维 统计建模的Python学习法》，http://item.jd.com/11666319.html 书中所描述问题场景，理清算法思路，夯实数学基础，将书中实例代码动手实践一遍，并push到github上去: https://github.co

第1课 概率论与数理统计 Taylor展式、梯度下降和牛顿法初步、Jensen不等式、 常见分布与共轭分布、切比雪夫不等式、大数定理、中心极限定理、矩估计、极大似然估计 第2课 矩阵和线性代数 特征向量、对称矩阵对角化、线性方程 第3课 凸优化 凸集、凸函数、凸优化、KKT条件 第4课 回归 知识内容：线性回归、logistic回归、梯度下降 实践示例：线性回归与拟合