01. 开篇词｜开发者为什么要从实战出发学机器学习？.html
02. 01｜打好基础：到底什么是机器学习？.html
03. 02｜工具准备：安装并使用Jupyter Notebook.html
04. 03｜实战5步（上）：怎么定义问题和预处理数据？.html
05. 04｜ 实战5步（下）：怎么建立估计10万+软文点击率的模型？.html
06. 05 | 数据探索：怎样从数据中找到用户的RFM值？.html
07. 06 | 聚类分析：如何用RFM给电商用户做价值分组画像？.html
08. 07｜回归分析：怎样用模型预测用户的生命周期价值？.html
09. 08 | 模型优化（上）：怎么用特征工程提高模型效率？.html
10. 09｜模型优化（中）：防止过拟合，模型也不能太精细.html
11. 10｜模型优化（下）：交叉验证，同时寻找最优的参数.html
12. 11｜深度学习（上）：用CNN带你认识深度学习.html
13. 12｜深度学习（中）：如何用RNN预测激活率走势？.html
14. 13｜深度学习（下）：3招提升神经网络预测准确率.html
15. 14｜留存分析：哪些因素会影响用户的留存率？.html
16. 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.html
17. 16｜性能评估：不平衡数据集应该使用何种评估指标？.html
18. 17｜集成学习：机器学习模型如何“博采众长”?.html
19. 18 | 增长模型：用XGBoost评估裂变海报的最佳受众群体.html
20. 19 | 胸有成竹：如何快速定位合适的机器学习算法？.html
21. 20 | 模型部署：怎么发布训练好的机器学习模型？.html
22. 21｜持续精进：如何在机器学习领域中找准前进的方向？.html
23. 一套习题，测出你对机器学习的掌握程度.html
24. 结束语 | 可以不完美，但重要的是马上开始.html