了解基本统计知识，具备初步的IT基础知识和基本数学理论，可使用python，Scala编程
1、基于规则的分类器
*原理
排序方案
直接提取规则
间接提取规则
2、分类算法：贝叶斯
应用场景概述
贝叶斯定理
贝叶斯分类器的由来
朴素贝叶斯分类器
贝叶斯信念网络
3、支持向量机
为什么支持向量机广受好评
从逻辑回归到支持向量机
*边缘平面
构造更高级的分类器的关键：核函数
核函数的多种选择
使用支持向量机来分类
如何选择*的模型：逻辑回归，支持向量机，人工神经网络
4、聚类算法：层次聚类
基本凝聚层次聚类算法
单链和全链，组平均
层次聚类的主要问题
层次聚类优点与缺点分析
实例学习和课堂练习：产品聚类
5、基于密度的聚类
使用场景
DBSCAN算法详解
密度聚类的使用
6、概率图模型
隐马尔可夫模型
马尔科夫随机场
条件随机场
7、人工神经网络
从逻辑回归到人工神经网络
大脑和人工神经网络
感知器模型
感知器能解决亦或问题吗？
多层感知器
深度神经网络
设计深度神经网络的*实践
