课程目标：
本课程特点是从数学层面推导最经典的机器学习算法，以及每种算法的示例和代码实现（Python）、如何做算法的参数调试、以实际应用案例分析各种算法的选择等。
课程目录：
第一课：机器学习与数学分析
第二课：概率论与贝叶斯先验
第三课：矩阵和线性代数
第四课：Python基础
第五课：Python基础2 - 机器学习库
第六课：Python基础3 - 数据清洗和特征选择
第七课：回归
第八课：Logistic回归
第九课：回归实践
第十课：决策树和随机森林
第十一课：决策树和随机森林实践
第十二课：提升
第十三课：提升实践
第十四课：SVM
第十五课：SVM实践
第十六课：聚类（上）
第十七课：聚类（下）
第十八课：聚类实践
第十九课：EM算法
第二十课：EM算法实践
第二十一课：主题模型LDA
第二十二课：LDA实践
第二十三课：隐马尔科夫模型HMM
第二十四课：HMM实践