• 第01課 為什麼要學原理和公式推導2021-10-09
• 第03課 如何學習「機器學習」2021-10-09
• 第06課 機器學習三要素之資料 模型 演算法2021-10-09
• 第09課 最常用的優化演算法 梯度下降法2021-10-09
• 第13課 樸素貝葉斯分類器 條件概率的引數估計2021-10-09
• 第16課 決策樹 既能分類又能回歸的模型2021-10-09
• 第20課 SVM 對偶學習演算法2021-10-09
• 第23課 SVR 一種「寬容」的回歸模型2021-10-09
• 第31課 KMeans 最簡單的聚類演算法2021-10-09
• 第34課 GMM 將「混」在一起的樣本各歸其源2021-10-09
• 第36課 PCA 利用數學工具提取主要特徵2021-10-09
• 第40課 深度學習的願景 問題 應用和資料2021-10-09
• 開篇詞 程式設計師的成長課2021-10-09
• 第06課 做開發還是轉管理2021-10-09
• 第11課 五大職能定位2021-10-09
• 第13課 如何理解技術管理者（下）2021-10-09
• 第19課 如何確認你的轉型方向 下2021-10-09
• 第25課 從熟練開發者到技術專家和架構師2021-10-09
• 第05課 生活中的職責模式 我的假條去哪了2021-10-09
• 第10課 生活中的迭代模式 下乙個就是你了2021-10-09
• 第17課 生活中的享元模式 顏料很貴必須充分利用2021-10-09