基础、理论、直觉

o 机器学习简介
 机器学习技术的基本概念，应用场景等。
o 学习的核心问题
 机器学习的理论根基，“中心思想”。
o 可学习的问题
 哪些问题属于可学习的、适合学习的问题。
o 常用模型
 常用模型，但是更偏重模型背后的逻辑脉络、使用场景和关联。
o 常用优化方法
 常用优化方法，同样更偏重其逻辑和使用场景，而不是具体做法

系统、工程、实践

o 模型 VS 系统
 模型与系统的关系。
o 系统鸟瞰
 机器学习系统生态鸟瞰
o 系统核心组件
 机器学习系统的核心组件，包括样本、特征、训练、预测、评估等
o 工具选择
 开发工具、平台的选择，不同工具的特点，以及在不同阶段的作用。
o 系统设计
 机器学习系统与传统软件系统的不同，以及如何掌控这种不同。
o 开发流程
 从零开始，如何构建一个机器学习系统。