1.开篇词
开篇词开发者为什么要从实战出发学机器学习？
2.准备篇
01打好基础：到底什么是机器学习？
02工具准备：安装并使用Jupyter Notebook
03实战5步（上）：怎么定义问题和预处理数据？
04 实战5步（下）：怎么建立估计10万+软文点击率的模型？
3.业务场景闯关篇
05 _ 数据探索：怎样从数据中找到用户的RFM值？
06 _ 聚类分析：如何用RFM给电商用户做价值分组画像？
07回归分析：怎样用模型预测用户的生命周期价值？
08 _ 模型优化（上）：怎么用特征工程提高模型效率？
09模型优化（中）：防止过拟合，模型也不能太精细
10模型优化（下）：交叉验证，同时寻找最优的参数
11深度学习（上）：用CNN带你认识深度学习
12深度学习（中）：如何用RNN预测激活率走势？
13深度学习（下）：3招提升神经网络预测准确率
14留存分析：哪些因素会影响用户的留存率？
15二元分类：怎么预测用户是否流失？从逻辑回归到深度学习
16性能评估：不平衡数据集应该使用何种评估指标？
17集成学习：机器学习模型如何“博采众长”_
18 _ 增长模型：用XGBoost评估裂变海报的最佳受众群体
4.持续赋能篇
19 _ 胸有成竹：如何快速定位合适的机器学习算法？
20 _ 模型部署：怎么发布训练好的机器学习模型？
21持续精进：如何在机器学习领域中找准前进的方向？
5.结束语
一套习题，测出你对机器学习的掌握程度
结束语 _ 可以不完美，但重要的是马上开始
评论0