1. 1.基础部分
1.1. 1-1：Python
1.1.1. Python基础知识
1.1.1.1. 注释
1.1.1.2. Python六大数据类型
1.1.1.3. 比较运算符和关系运算符
1.1.1.4. 判断语句
1.1.1.5. 循环语句
1.1.2. Python函数
1.1.2.1. 函数的定义
1.1.2.2. 函数中的变量
1.1.2.3. 高级函数用法
1.1.2.4. Python中的文件操作函数
1.1.3. Python面向对象编程
1.1.3.1. 1类和对象
1.1.3.2. 魔法方法
1.1.3.3. 类属性和类方法
1.1.3.4. 继承
1.1.3.5. 多态
1.1.3.6. 模块的介绍和制作
1.1.3.7. Python中的包和库
1.1.3.8. Python中的pip命令
1.2. 1-2：数学基础
1.2.1. 高等数学
1.2.1.1. 函数、极限与连续
1.2.1.2. 导数与微分
1.2.1.3. 微分中值定理与导数的应用
1.2.1.4. 函数的积分
1.2.1.5. 定积分的应用
1.2.1.6. 向量与空间解析几何
1.2.1.7. 多元函数微分学
1.2.1.8. 多元函数微分学的应用
1.2.1.9. 常微分方程
1.2.2. 线性代数
1.2.2.1. 矩阵
1.2.2.2. n维向量与向量空间
1.2.2.3. 线性方程组
1.2.2.4. 矩阵的特征值与二次型
1.2.3. 概率论
1.2.3.1. 随机时间与概率
1.2.3.2. 随机变量及其分布
1.2.3.3. 多维随机变量及其分布
1.2.3.4. 大数定律和中心极限定理
1.2.4. 机器学习数学基础
1.2.4.1. 卷积
1.2.4.2. 信号的分析
1.2.4.3. 傅里叶变换及其扩展变换
1.2.4.4. 滤波及机器学习
1.2.5. 最优化方法
1.2.5.1. 最优化问题与数学预备知识
1.2.5.2. 凸性
1.2.5.3. 最优性条件
1.2.5.4. 算法的概念
2. 2.工具及软件基础
2.1. 2-1：Numpy
2.1.1. Numpy数据类型
2.1.2. Numpy常用函数
2.2. 2-2：Pandas
2.2.1. Pandas的简洁
2.2.2. Pandas的数组属性
2.2.3. Pandas数据处理
2.2.4. Pandas函数
2.2.5. TQDM
2.3. 2-3：数据分析实战
2.3.1. 数据清洗
2.3.2. 数据统计
2.4. 2-4：深度学习框架
2.4.1. PyTorch
2.4.1.1. PyTorch基本数据类型
2.4.1.2. 张量
2.4.1.2.1. 张量的性质
2.4.1.2.2. 创建张量
2.4.1.3. PyTorch索引
2.4.1.4. 维度变换
2.4.1.5. 拼接与拆分
2.4.1.6. 运算与统计
2.4.1.7. 基于PyTorch实现神经网络算法
2.4.2. TensorFlow
2.4.2.1. 设置TensorFlow
2.4.2.2. 加载数据集
2.4.2.3. 构建神经网络模型
2.4.2.4. 训练并评估模型
3. 3.机器学习
3.1. 3-1：机器学习理论入门
3.1.1. 推荐视频：吴恩达机器学习2022
3.1.2. 推荐手册：吴恩达机器学习手册
3.1.3. 推荐书籍
3.1.3.1. 李航统计学习方法
3.1.3.1.1. 1.统计学习及监督学习概论
3.1.3.1.2. 2.感知机
3.1.3.1.3. 3.K近邻法
3.1.3.1.4. 4.朴素贝叶斯法
3.1.3.1.5. 5.决策树
3.1.3.1.6. 6.逻辑回归
3.1.3.1.7. 7.支持向量机
3.1.3.1.8. :task_5: 8.提升树
3.1.3.1.9. :task_5: 9.EM模型
3.1.3.1.10. :task_5: 10.隐马尔可夫模型
3.1.3.1.11. :task_5: 11.条件随机场
3.1.3.1.12. 12.梯度下降优化方法
3.1.3.1.13. :task_5: 13.XGBoost、LigtBGM
3.1.3.1.14. 推荐的博客与仓库（看不懂书就看这）
3.1.3.2. 周志华机器学习（西瓜书）
3.2. 3-2：机器学习实战入门
3.2.1. 推荐竞赛项目
3.2.1.1. kaggle房价预测任务
3.2.2. 推荐书籍：阿里云天池大赛赛题解析·机器学习篇
3.2.2.1. 工业蒸汽预测
3.2.2.2. 天猫用户重复购买预测
3.2.2.3. o2o优惠券预测
3.2.2.4. 阿里云安全恶意程序检测
4. 4.深度学习
4.1. 4-1：推荐书籍
4.1.1. 邱锡鹏神经网络与深度学习
4.1.2. 深度学习（花书）
4.2. 4-2：两大方向
4.2.1. 计算机视觉
4.2.1.1. 推荐教程【李飞飞CS231N计算机视觉课程】
4.2.1.2. 经典任务与模型
4.2.1.2.1. 图像分类
4.2.1.2.2. 目标检测
4.2.1.2.3. 图像分割
4.2.1.2.4. 目标跟踪
4.2.1.2.5. 图像生成
4.2.2. 自然语言处理
4.2.2.1. 推荐教程【斯坦福CS224N自然语言处理课程】
4.2.2.2. 经典任务与模型
4.2.2.2.1. 文本分类
4.2.2.2.2. 文本匹配
4.2.2.2.3. 文本生成
4.2.2.2.4. 序列标注