【Machine Learning】No.1 系列课程概述

（一）Python语言学习
1.初始变量
2.list结构
3.索引
4.循环
5.判断
6.字典
7.文件处理
8.函数

（二）科学计算库Numpy
对矩阵数据的行列进行处理，Numpy封装了很多矩阵的计算，我们可以用Numpy很轻松对矩阵进行数据的变换
1.Numpy数据结构
2.数据基本操作
3.矩阵操作
4.矩阵创建与初始化
5.常用函数

（三）数据分析处理库Panadas
对数据进行预处理
1.数据读取与显示
2.数值计算与排序
3.数据预处理方法
4.透视表与自定函数

（四）可视化库Matplotlib
使数据直观，可视化展示
1.简易折线图
2.条形图
3.直方图
4.可视化细节

（五）机器学习的算法问题
1.回归算法
2.逻辑回归算法
3.决策树算法
4.随机森林
5.支持向量机算法
6.PCA与SVD
7.计算机视觉图像分类任务
8.神经网络基础
9.神经网络架构
10.Xgboost算法
11.强化学习

（六）实战学习
1.使用Pandas和Matplotlib分析科比职业生涯数据
2.信用卡欺诈加测
3.泰坦尼克号获救预测
4.TensorFlow实战
5.Mnist手写字体识别
6.股价预测与Xgboost
7.让AI自己玩游戏DQN网络

主题1：迈向深度学习-卷积神经网络
1.卷积神经网络应用
2.卷积操作原理
3.卷积网络组成
4.所涉及参数项分析

主题2：项目实战-图像风格转换
1.图像风格变换原理
2.生成网络与特征提取网络
3.基于Tensorflow实现风格转换网络