1.开篇词
├──开篇词｜开发者为什么要从实战出发学机器学习？
2.准备篇
├──01｜打好基础：到底什么是机器学习？
├──02｜工具准备：安装并使用Jupyter Notebook
├──03｜实战5步（上）：怎么定义问题和预处理数据？
├──04｜ 实战5步（下）：怎么建立估计10万+软文点击率的模型？
3.业务场景闯关篇
├──05 _ 数据探索：怎样从数据中找到用户的RFM值？
├──06 _ 聚类分析：如何用RFM给电商用户做价值分组画像？
├──07｜回归分析：怎样用模型预测用户的生命周期价值？
├──08 _ 模型优化（上）：怎么用特征工程提高模型效率？
├──09｜模型优化（中）：防止过拟合，模型也不能太精细
├──10｜模型优化（下）：交叉验证，同时寻找最优的参数
├──11｜深度学习（上）：用CNN带你认识深度学习
├──12｜深度学习（中）：如何用RNN预测激活率走势？
├──13｜深度学习（下）：3招提升神经网络预测准确率
├──14｜留存分析：哪些因素会影响用户的留存率？
├──15｜二元分类：怎么预测用户是否流失？从逻辑回归到深度学习
├──16｜性能评估：不平衡数据集应该使用何种评估指标？
├──17｜集成学习：机器学习模型如何“博采众长”_
├──18 _ 增长模型：用XGBoost评估裂变海报的最佳受众群体
4.持续赋能篇
├──19 _ 胸有成竹：如何快速定位合适的机器学习算法？
├──20 _ 模型部署：怎么发布训练好的机器学习模型？
├──21｜持续精进：如何在机器学习领域中找准前进的方向？
5.结束语
├──一套习题，测出你对机器学习的掌握程度
├──结束语 _ 可以不完美，但重要的是马上开始
请先 ！