传统机器学习

列1 列2
机器学习 方法
模型评估与选择 性能度量、偏差与方差
线性模型 线性回归、逻辑回归
决策树 信息增益、剪枝、C4.5
神经网络
SVM 对偶问题、核方法
贝叶斯分类器 极大似然估计、EM算法
集成学习 boosting、bagging与随机森林、深度森林
聚类
降维 k-近邻、PCA
特征选择与稀疏学习 稀疏表示
计算学习理论 VC维
半监督
概率图 HMM、MRF、CRF

剑指offer
https://github.com/imhuay/Algorithm_Interview_Notes-Chinese/blob/master/C-算法/题解-剑指Offer.md
总共51个题目，有兴趣可以自己做，有问题的再一块讨论

感知机
KNN
Random Forest
贝叶斯分类器/朴素贝叶斯
EM
adaboost
增强学习
流行学习
RBF学习
稀疏表示
字典学习
RBM学习
蚁群算法
马尔可夫模型