6、1.6 走进数据科学：博大精深，美不胜收 聚类及其它数据挖掘问题

学员 1、1.1 走进数据科学：博大精深，美不胜收 整装待发

学员 2、1.2 走进数据科学：博大精深，美不胜收 学而不思则罔

学员 3、1.3 走进数据科学：博大精深，美不胜收 知行合一

学员 4、1.4 走进数据科学：博大精深，美不胜收 从数据到知识

学员 5、1.5 走进数据科学：博大精深，美不胜收 分类问题

学员 7、1.7 走进数据科学：博大精深，美不胜收 隐私保护与并行计算

学员 8、1.8 走进数据科学：博大精深，美不胜收 迷雾重重

学员 9、2.1 数据预处理：抽丝剥茧，去伪存真 数据清洗

学员 10、2.2 异常值与重复数据检测

学员 11、2.3 类型转换与采样

学员 12、2.4 数据描述与可视化

学员 13、2.5 特征选择

学员 14、2.6 主成分分析

学员 15、2.7 线性判别分析

学员 16、3.1 从贝叶斯到决策树：意料之外，情理之中 贝叶斯奇幻之旅

学员 17、3.2 朴素是一种美德

学员 18、3.3 数据、规则与树

学员 19、3.4 植树造林学问大

学员 20、4.1 神经网络：巨量并行，智慧无限 智慧之源神经元

学员 21、4.2 会学习的神经元

学员 22、4.3 从一个到一群

学员 23、4.4 层次分明，责任到人

学员 24、4.5 管中窥豹，抛砖引玉

学员 25、5.1 支持向量机：数学之美，巅峰之作 最大间隔

学员 26、5.2线性SVM

学员 27、5.3数学家的把戏

学员 28、5.4致敬真神

学员 29、6.1 聚类分析：物以类聚，人以群分 无监督学习

学员 30、6.2 K-means

学员 31、6.3 期望最大法

学员 32、6.4 密度与层次

学员 33、7.1 关联规则：营销购物，自有乾坤 项集与规则

学员 34、7.2 支持度与置信度

学员 35、7.3 误区

学员 36、7.4 Apriori 算法

学员 37、7.5 实例分析

学员 38、7.6 序列模式

学员 39、8.1 推荐算法：察言观色，投其所好 无所不在的推荐

学员 40、8.2 隐含语义分析

学员 41、8.3 PageRank传奇

学员 42、8.4 协同过滤

学员 43、9.1 集成学习：兼听则明，偏听则暗 民主协商：Ensemble

学员 44、9.2 群策群议：Bagging

学员 45、9.3 环环相扣：Boosting

学员 46、9.4 集成之美：AdaBoost

学员 47、9.5 继往开来：RegionBoost

学员 48、10.1 进化计算：大道至简，万物之本 人与自然

学员 49、10.2 尽善尽美

学员 50、10.3 走向进化

学员 51、10.4 遗传算法初探

学员 52、10.5 遗传算法进阶

学员 53、10.6 遗传程序设计

学员 54、10.7 万物皆进化

学员 55、11.1 数据之美

学员 56、11.2 南国紫荆亦芬芳