课程大纲：

章节 一 介绍

[视频] 一个实际的例子：你将在本课程中学到什么 5分

[视频] 这门课涵盖了哪些内容 2分

章节 二 数据科学领域的不同准则

[视频] 数据科学和商业流行语：为什么会有这么多？ 5分

[视频] Analysis和Analytics之间有什么区别 3分

[视频] 商业分析，数据分析和数据科学：简介 1分

[视频] 继续学习商业智能、机器学习与人工智能 9分

[视频] 我们数据科学课程图表的分解 4分

章节 三 将这些数据科学学科联系起来

[视频] 传统数据，大数据，商业智能，传统数据科学和机器学习的应用 7分

章节 四 学习每门学科的收益

[视频] 这些学科背后的原因 4分

章节 五 流行的数据科学技术

[视频] 使用传统数据的技术 8分

[视频] 传统数据的真实案例 1分

[视频] 使用大数据的技术 4分

[视频] 大数据的真实案例 1分

[视频] 商业智能（BI）技术 6分

[视频] 商业智能（BI）的真实案例 1分

[视频] 使用传统方法的技巧 9分

[视频] 传统方法的真实案例 2分

[视频] 机器学习（ML）技术 7分

[视频] 机器学习的类型 8分

[视频] 机器学习的真实案例（ML） 2分

章节 六 流行的数据科学工具

[视频] 数据科学中使用的必要编程语言和软件 6分

章节 七 数据科学的职业

[视频] 寻找工作——我们所期待的以及所寻找的 3分

章节 八 澄清常见的误解

[视频] 澄清常见的误解 4分

章节 九 概率

[视频] 课程介绍 3分

[视频] 基本概率公式 7分

[视频] 计算期望值 5分

[视频] 频率 5分

[视频] 事件及其补充 5分

章节 十 组合

[视频] 组合基本原理 1分

[视频] 排列及其使用 3分

[视频] 简单的阶乘运算 3分

[视频] 求解重复变分 1分

[视频] 求解非重复变分 3分

[视频] 求解组合 4分

[视频] 组合对称性 3分

[视频] 用独立样本空间求解组合 2分

[视频] 现实生活中的组合——彩票 3分

[视频] 组合学概述 3分

[视频] 2.11_压制版 10分

章节 十一 贝叶斯推理

[视频] 集合与事件 4分

[视频] 集合相交的形式 3分

[视频] 交集 2分

[视频] 并集 4分

[视频] 互斥集合 2分

[视频] 相依集合与独立集合 3分

[视频] 条件概率公式 4分

[视频] 全概率法则 3分

[视频] 加法定律 2分

[视频] 乘法定律 3分

[视频] 贝叶斯法则 5分

[视频] 贝叶斯推断实例 13分

章节 十二 概率分布

[视频] 概率分布基本原理 6分

[视频] 概率分布类型 7分

[视频] 离散分布特点 2分

[视频] 离散分布：均匀分布 2分

[视频] 离散分布：伯努利分布 3分

[视频] 离散分布：二项分布 7分

[视频] 离散分布：泊松分布 5分

[视频] 连续分布的特点 7分

[视频] 连续分布：正态分布 4分

[视频] 连续分布：标准正态分布 4分

[视频] 连续分布：学生T分布 2分

[视频] 连续分布：卡方分布 2分

[视频] 连续分布：指数分布 3分

[视频] 连续分布：逻辑斯谛分布 4分

[视频] 概率分布实例 14分

章节 十三 概率在其他领域中的应用

[视频] 金融中的概率 7分

[视频] 统计学中的概率 6分

[视频] 数据科学中的概率 4分

章节 十四 统计

[视频] 人口和样本 4分

章节 十五 描述性统计

[视频] 新数据类型 1分

[视频] 测量水平 3分

[视频] 分类变量-可视化技术 4分

[视频] 数字变量-频率分布表 3分

[视频] 直方图 2分

[视频] 交叉表和散点图 4分

[视频] 平均、中位数、模式 4分

[视频] 偏度 2分

[视频] 方差 6分

[视频] 标准差和变异系数 4分

[视频] 协方差 3分

[视频] 相关性 3分

章节 十六 描述性统计实例

[视频] 实例 16分

章节 十七 推论统计基础

[视频] 介绍 1分

[视频] 什么是分布 4分

[视频] 正态分布 3分

[视频] 标准正态分布 3分

[视频] 中心极限定理 4分

[视频] 标准误差 1分

[视频] 估计量和估计 3分

章节 十八 置信区间

[视频] 什么是置信区间 2分

[视频] 已知总体方差，z-得分 8分

[视频] 置信区间澄清 4分

[视频] 学生t分布 3分

[视频] 未知群体方差，t值 4分

[视频] 误差幅度 4分

[视频] 置信区间 两种方法 依赖样本 6分

[视频] 置信区间 两种方法 独立样本（第1部分） 4分

[视频] 置信区间 两种方法 独立样本（第2部分） 4分

[视频] 置信区间 两种方法 独立样本（第3部分） 1分

章节 十九 推论统计实例

[视频] 实践 10分

章节 二十 假设检验

[视频] 空值与可选 6分

[视频] 抑制区的水平及意义 7分

[视频] I型和II型误差 4分

[视频] 测试平均值 已知总体方差 6分

[视频] P-值 4分

[视频] 测试平均值 总体方差未知 4分

[视频] 测试平均值 依赖样本 5分

[视频] 测试平均值 独立样本（第1部分） 4分

[视频] 测试平均值 独立样本（第2部分） 4分

章节 二十一 假设检验实例

[视频] 假设检验 7分

章节 二十二 Python介绍

[视频] 5分钟介绍编程 5分

[视频] 选择Python的原因 5分

[视频] 选择Jupyter的原因 3分

[视频] 安装Python和Jupyter 6分

[视频] Jupyter的界面介绍 3分

[视频] Jupyter中进行编程 6分

[视频] Python？2与Python？3的区别 2分

章节 二十三 变量和数据类型

[视频] 变量 5分

[视频] 数字和布尔值 3分

[视频] 字符串 5分

章节 二十四 基础Python语法

[视频] 算术运算符 3分

[视频] “==”的介绍 1分

[视频] 重新分配变量 1分

[视频] 编写注释 1分

[视频] 续行符 1分

[视频] 索引元素 1分

[视频] 使用缩进构造代码 1分

章节 二十五 其他Python运算符

[视频] 比较运算符 2分

[视频] 逻辑和标识运算符 5分

章节 二十六 条件语句

[视频] if语句介绍 3分

[视频] else语句介绍 2分

[视频] esle？if？就是elif 5分

[视频] 布尔值的介绍 2分

章节 二十七 Python函数

[视频] 在Python中定义函数 2分

[视频] 创建带有参数的函数 3分

[视频] 另一种定义函数的方法 2分

[视频] 在另一个函数中使用函数 1分

[视频] 组合条件语句和函数 3分

[视频] 创建包含少量参数的函数 1分

[视频] Python中值得注意的内置函数 4分

章节 二十八 序列

[视频] 列表 4分

[视频] 使用方法 1分

[视频] 列表切片 4分

[视频] 元组 3分

[视频] 字典 4分

章节 二十九 迭代

[视频] 循环 2分

[视频] 循环与递增 2分

[视频] 使用range（）函数创建列表 2分

[视频] 同时使用条件语句和循环 3分

[视频] 所有的条件语句、函数和循环 2分

[视频] 遍历字典 3分

章节 三十 前沿Python工具

[视频] 面向对象编程 5分

[视频] 模块和包 1分

[视频] 标准库 1分

[视频] 导入模块 4分

章节 三十一 高级统计方法

[视频] 回归分析概览 1分

章节 三十二 使用StatsModels进行线性回归

[视频] 线性回归模型 6分

[视频] 相关与回归 1分

[视频] 线性回归模型的几何表示 1分

[视频] Python软件包安装 4分

[视频] Python中的第一个回归 7分

[视频] 使用Seaborn画图 1分

[视频] 理解回归表格 5分

[视频] 变异性的分解 3分

[视频] 什么是普通最小二乘法（OLS）？ 3分

[视频] R方 5分

章节 三十三 使用StatsModels进行多元线回归

[视频] 多重线性回归 3分

[视频] 调整的R方 1分

[视频] 模型显著性测试（F测试） 2分

[视频] OLS假设 2分

[视频] 假设一：线性假设 1分

[视频] 假设二：无内生性 4分

[视频] 假设三：正态性和方差齐性 5分

[视频] 假设四：无自相关性 3分

[视频] 假设五：无多重共线性 3分

[视频] 处理分类数据之虚拟变量 6分

[视频] 用线性回归进行预测 3分

章节 三十四 使用sklearn进行线性回归

[视频] 什么是sklearn，它与其他软件包有何区别？ 2分

[视频] 如何学习本节课 2分

[视频] 使用sklearn进行简单线性分析 5分

[视频] 使用sklearn进行简单线性分析之StatsModels汇总表 4分

[视频] 使用sklearn进行简多元线性分析 3分

[视频] 在sklearn中计算调整的R方 4分

[视频] 特征选择（F回归） 4分

[视频] 使用p值创建一个汇总表 2分

[视频] 特征缩放（标准化） 5分

[视频] 通过标准化权重选择特征 5分

[视频] 利用标准系数预测 3分

[视频] 低度拟合和过度拟合 2分

[视频] 训练-测试拆分说明 6分

章节 三十五 线性回归实例

[视频] 线性回归实例之一 12分

[视频] 线性回归实例之二 6分

[视频] 线性回归实例之三 3分

[视频] 线性回归实例之四 8分

[视频] 线性回归实例之五 7分

章节 三十六 逻辑回归

[视频] 逻辑回归概览 1分

[视频] Python中的简单例子 1分

[视频] 逻辑函数与效用函数 1分

[视频] 建立逻辑分析 2分

[视频] 一条宝贵的编码技巧 2分

[视频] 理解逻辑回归表格 4分

[视频] 几率到底是什么意思？ 4分

[视频] 逻辑回归中的二元预测因子 4分

[视频] 计算模型的精度 3分

[视频] 低度拟合与过度拟合 3分

[视频] 测试模型 5分

章节 三十七 聚类分析

[视频] 集群分析概览 3分

[视频] 集群应用实例 4分

[视频] 分类与集群的区别 2分

[视频] 数学先决条件 3分

章节 三十八 K均值聚类

[视频] K均值聚类 4分

[视频] 聚类的简单范例 4分

[视频] 分类数据聚类 2分

[视频] 如何选择聚类的数量 6分

[视频] K均值聚类的优缺点 3分

[视频] 是否进行标准化 4分

[视频] 聚类与回归的关系 1分

[视频] 使用聚类分析进行市场细分（第一部分） 6分

[视频] 使用聚类分析进行市场细分（第二部分） 7分

[视频] 聚类的效用 4分

章节 三十九 其他类型的聚类

[视频] 聚类类型 3分

[视频] 系统树图 5分

[视频] 热点图 4分

章节 四十 数学

[视频] 什么是矩阵 1分

[视频] 标量与向量 3分

[视频] 线性代数与几何 3分

[视频] Python中的数组——一种表示矩阵的简便方法 5分

[视频] 什么是张量 3分

[视频] 矩阵的加法和减法 3分

[视频] 添加矩阵时的错误 2分

[视频] 矩阵的转置 5分

[视频] 点积 3分

[视频] 矩阵的点积 8分

[视频] 为什么线性代数很有用？ 10分

章节 四十一 深度学习

[视频] 导师介绍及机器学习概览 7分

[视频] 课程内容简介 3分

章节 四十二 神经网络概览

[视频] 神经网络概览 4分

[视频] 训练模型 3分

[视频] 机器学习类型 3分

[视频] 线性模型 3分

[视频] 多输入线性模型 2分

[视频] 多输入多输出线性模型 4分

[视频] 简单神经网络的图形表示 1分

[视频] 什么是目标函数 1分

[视频] 常用目标函数：二级范数损失 2分

[视频] 常用目标函数：交叉熵损失函数 4分

[视频] 优化算法：1参数梯度下降 6分

[视频] 优化算法：n参数梯度下降 1分

章节 四十三 创建环境

[视频] 创建环境 1分

[视频] 为什么用Python和Jupyter 1分

[视频] 安装Anaconda 1分

[视频] Jupyter展示板1 2分

[视频] Jupyter展示板2 5分

[视频] 安装TensorFlow包 5分

章节 四十四 如何使用Numpy从零开始构建神经网络

[视频] 概述 3分

[视频] 生成数据 5分

[视频] 初始化变量 1分

[视频] 训练模型 7分

章节 四十五 TensorFlow2.0概览

[视频] 安装TensorFlow 6分

[视频] TensorFlow大纲及其与其他程序库的对比 3分

[视频] TensorFlow 2.0简介 2分

[视频] 在TensorFlow中编程的提示 1分

[视频] TensorFlow中的文件格式类型和数据处理 2分

[视频] 使用TensorFlow2概述模型 5分

[视频] 解释结果并提取权重和偏差 4分

[视频] 自定义TensorFlow 2模型 2分

章节 四十六 深度神经网络概览

[视频] 什么是层 1分

[视频] 什么是深度网络 2分

[视频] 真正理解神经网络 5分

[视频] 我们为什么需要非线性 3分

[视频] 激活函数 3分

[视频] 激活函数：Softmax激活 3分

[视频] 反向传播算法 3分

[视频] 反向传播算法——直观理解 3分

章节 四十七 过度拟合

[视频] 什么是过度拟合 4分

[视频] 低度拟合和过度拟合分类 1分

[视频] 什么是验证 3分

[视频] 训练、验证和测试数据集 2分

[视频] N重交叉验证 3分

[视频] 早停及何时停止训练 5分

章节 四十八 初始化

[视频] 什么是初始化 2分

[视频] 简单初始化类型 2分

[视频] 最先进的方法——（Xavier）Glorot初始化 2分

章节 四十九 挖掘梯度下降和学习率调整

[视频] 随机梯度下降 3分

[视频] 梯度下降的问题 2分

[视频] 动量 2分

[视频] 如何选择最佳学习率 4分

[视频] 学习率调整可视化 1分

[视频] 自适应学习率调整（AdaGrad和RMSprop） 4分

[视频] 自适应矩估计（Adam） 2分

章节 五十 预处理

[视频] 预处理概述 3分

[视频] 基本预处理类型 1分

[视频] 标准化 4分

[视频] 预处理分类数据 2分

[视频] 二进制和独热编码 3分

章节 MNIST数据集分类

[视频] MNIST数据集 2分

[视频] 如何处理MNIST数据集 2分

[视频] MNIST：导入相关程序包与加载数据 2分

[视频] MNIST：预处理数据之创建验证并设置范围 4分

[视频] MNIST：预处理数据之洗牌与分批 6分

[视频] MNIST：概述模型 4分

[视频] MNIST：选择函数和优化器 2分

[视频] MNIST：学习 5分

[视频] MNIST：测试模型 4分

章节 深度学习商业案例

[视频] 商业案例：研究数据集并识别预测因子 8分

[视频] 商业案例：概述解决方案 1分

[视频] 商业案例：平衡数据集 3分

[视频] 商业案例：预处理数据 11分

[视频] 商业案例：加载预处理数据 3分

[视频] 商业案例：学习并解释结果 4分

[视频] 商业案例：设置早停机制 5分

[视频] 商业案例：测试模型 1分

章节 深度学习结语

[视频] 学习总结 3分

[视频] 机器学习后续 1分

[视频] 卷积神经网络（CNN）概览 5分

[视频] 循环神经网络（RNN）概览 2分

[视频] 非神经网络方法概览 3分