**部分 背景知識
第1章 機器學習概述
1.1 背景
1.2 發展現狀
1.2.1 數據現狀
1.2.2 機器學習算法現狀
1.3 機器學習基本概念
1.3.1 機器學習流程
1.3.2 數據源結構
1.3.3 算法分類
1.3.4 過擬合問題
1.3.5 結果評估
1.4 本章小結

第2部分 算法流程
第2章 場景解析
2.1 數據探查
2.2 場景抽像
2.3 算法選擇
2.4 本章小結
第3章 數據預處理
3.1 采樣
3.1.1 采樣
3.1.2 繫統采樣
3.1.3 分層采樣
3.2 歸一化
3.3 去除噪聲
3.4 數據過濾
3.5 本章小結
第4章 特征工程
4.1 特征抽像
4.2 特征重要性評估
4.3 特征衍生
4.4 特征降維
4.4.1 特征降維的基本概念
4.4.2 主成分分析
4.5 本章小結
第5章 機器學習算法——常規算法
5.1 分類算法
5.1.1 K近鄰
5.1.2 樸素貝葉斯
5.1.3 邏輯回歸
5.1.4 支持向量機
5.1.5 森林
5.2 聚類算法
5.2.1 K-means
5.2.2 DBSCAN
5.3 回歸算法
5.4 文本分析算法
5.4.1 分詞算法——Hmm
5.4.2 TF-IDF
5.4.3 LDA
5.5 **類算法
5.6 關繫圖算法
5.6.1 標簽傳播
5.6.2 Dijkstra短路徑
5.7 本章小結
第6章 機器學習算法——深度學習
6.1 深度學習概述
6.1.1 深度學習的發展
6.1.2 深度學習算法與傳統算法的比較
6.2 深度學習的常見結構
6.2.1 深度神經網絡
6.2.2 卷積神經網絡
6.2.3 循環神經網絡
6.3 本章小結

第3部分 工具介紹
第7章 常見機器學習工具介紹
7.1 概述
7.2 單機版機器學習工具
7.2.1 SPSS
7.2.2 R語言
7.2.3 工具對比
7.3 開源分布式機器學習工具
7.3.1 Spark MLib
7.3.2 TensorFlow
7.4 企業級雲機器學習工具
7.4.1 AWS ML
7.4.2 阿裡雲機器學習PAI
7.5 本章小結

第4部分 實戰應用
第8章 業務解決方案
8.1 心髒病預測
8.1.1 場景解析
8.1.2 實驗搭建
8.1.3 小結
8.2 商品**繫統
8.2.1 場景解析
8.2.2 實驗搭建
8.2.3 小結
8.3 金融風控案例
8.3.1 場景解析
8.3.2 實驗搭建
8.3.3 小結
8.4 新聞文本分析
8.4.1 場景解析
8.4.2 實驗搭建
8.4.3 小結
8.5 農業貸款發放預測
8.5.1 場景解析
8.5.2 實驗搭建
8.5.3 小結
8.6 霧霾天氣成因分析
8.6.1 場景解析
8.6.2 實驗搭建
8.6.3 小結
8.7 圖片識別
8.7.1 場景解析
8.7.2 實驗搭建
8.7.3 小結
8.8 本章小結

第5部分 知識圖譜
第9章 知識圖譜
9.1 未來數據采集
9.2 知識圖譜的概述
9.3 知識圖譜開源工具
9.4 本章小結

參考文獻