1、培訓過程中，如有部分內容理解不透或消化不好，可免費在以后培訓班中重聽；
       2、課程完成后,授課老師留給學員手機和Email,保障培訓效果,免費提供半年的技術支持。
       3、培訓合格學員可享受免費推薦就業機會?！詈细駥W員免費頒發相關工程師等資格證書，提升職業資質。專注高端技術培訓15年，端海學員的能力得到大家的認同，受到用人單位的廣泛贊譽，端海的證書受到廣泛認可。

第1部份 機器學習基礎，有監督學習，無監督學習，半監督學習。機器學習與深度學習，人工智能的關系。部署Python機器學習環境，matplotlib、Numpy、Scipy、libsvm、OpenCV、pandas、Anaconda、scikit-learn、theano、Keras、Tensorflow。機器學習基礎算法在python下實現。Python與R，Julia等對比。
第2部份 從貝葉斯網到概率圖模型，貝葉斯統計學，貝葉斯思維，一切皆有貝葉斯。生成式模型與判別式模型。先驗知識，貝葉斯統計在小數據學習中的應用。pyMC部署。手機短信發送行為分析案例。
第3部份 吉布斯抽樣，在貝葉斯統計中采用MCMC。網站轉化率A/B測試案例。用貝葉斯回歸進行金融預測的案例。
第4部份 決策樹，信息熵與相對熵，ID3，C4.5，CART等算法，剪枝過程。用scikit-learn實現決策樹。
第5部份 回歸樹。adaboost算法。提升樹，分類提升樹，回歸提升樹。梯度提升。用決策樹構建隨機森林。深度森林，及其與深度神經網絡的對比？深度森林是否可以取代深度學習？
第6部份 XGboost，原理及實現。計算學習理論，機器學習是騙局嗎？VC維與樣本復雜度。超參數如何選擇？缺失數據處理方法。類不平衡的處理。特征工程。與上述問題有關的scikit-learn函數。
第7部份 在海量短信中定位垃圾短信，半監督學習及其困難之處。聚類假設與流形假設。從k-means衍生的半監督學習算法。協同訓練及其Python實現。co-forest算法，并應用于醫學圖像分析，半監督SVM及python實現。
第8部份 基于EM算法的半監督學習生成式方法。基于圖的方法，label propagation和label spreading的python實現，多種半監督學習方法效果比較。用label propagation進行手寫體識別。
第9部份 流形學習與降維，用scikit-learn實現流形學習
第10部份 凸優化，梯度下降算法，永恒難題之局部極小值，SGD隨機梯度下降算法，python中實現梯度下降算法及SGD。梯度下降算法應用于神經網絡，BP學習算法，用theano實現BP神經網絡，神經網絡各種訓練框架和工業級實現，用tensorflow實現更復雜的神經網絡結構。梯度下降算法在推薦系統中的應用，構筑一個新聞推薦系統
第11部份 凸優化與支持向量機，核方法，支持向量回歸，核嶺回歸，應用支持向量機作人臉識別。在python中利用libsvm實現支持向量機，python中實現核有關算法