第一課：
目前資料分析主流的是R、python，相信大部分不會用C++和julia這兩個和java的那套體系的工程量太大，並且大部分都是業務邏輯寫改刪查抄。
C語言確實有點難，他和彙編類似，粒度到操作符級別，但是我認為編碼必須學C++這個是一個程式設計基礎。也是理解底層的基本功。
第二課：
線性迴歸、多元迴歸、多項式迴歸、非線性迴歸（倒數迴歸、對數迴歸）、多重共線性
第三課：
嶺迴歸、第一課：概述與工具介紹、機器學習模型、機器學習的路線圖、Python（含Scikit-learn）、R、MATLAB、Weka
第二課：線性迴歸、多元迴歸、多項式迴歸、非線性迴歸（含倒數模型、對數模型等）、多重共線性、R及Python迴歸例項
第三課：嶺迴歸與LASSO、過擬合與正則化、TensorFlow初步、邏輯迴歸、分類任務及其評價（Accuracy, Precison, Recall, F1-Score)、基於Python的鳶尾花分類器例項
第四課：較大熵模型（Softmax）、感知機演算法、TensorFlow手寫數字識別例項
第五課：支援向量機（凸優化及KKT條件）、VC維、Python及MATLAB鳶尾花分類例項
第六課：聚類演算法之k-means、k-median與期望較大化演算法（EM）、Python及R聚類例項
第七課：密度聚類DBSCAN、kNN（含kd-tree、quad-tree）、Python及MATLAB例項
第八課：決策樹1（Hunt, ID3）、Gini Index、資訊增益、分類誤差
第九課：決策樹2（C4.5,CART）、Weka的使用
第十課：隨機森林、Bootstrap與AdaBoost