第一部分 初步：机器学习基础知识第二部分 进阶：经典机器学习方法第三部分 深入：概率图模型与强化学习等

*   第一部分 初步：机器学习基础知识/

  *   第1课 绪论及模型评估与选择

  *   第2课 线性模型

*   第二部分 进阶：经典机器学习方法/

  *   第3课 决策树

  *   第4课 神经网络

  *   第5课 支持向量机

  *   第6课 贝叶斯分类器

  *   第7课 集成学习

  *   第8课 聚类

  *   第9课 降维与度量学习

*   第三部分 深入：概率图模型与强化学习等/

  *   第10课 特征选择与稀疏学习

  *   第11课 计算学习理论

  *   第12课 半监督学习

  *   第13课 概率图模型

  *   第14课 规则学习

  *   第15课 强化学习