机器学习已经成为继理论、实验和数值计算之后的科研"第四范式"，是发现新规律，总结和分析实验结果的利器。机器学习涉及的理论和方法繁多，编程相当复杂，一直是阻碍机器学习大范围应用的主要困难之一，由此诞生了Python，R，SAS，STAT等语言辅助机器学习算法的实现。在各种语言中，R语言以编程简单，方法先进脱颖而出,本次机器学习基于现代Ｒ语言，Tidyverse,Tidymodel语法。
专题一 ：基础 知识
1. Tidymodel,Tidyverse 语法精讲
2. 机器学习的基本概念
3 .机器学习建模过程
4 .特征工程
专题二 ： 回归
1.线性回归略谈
2.岭回归
3.偏最小二乘法
4.Lasso回归与最小角度回归
5.弹性网回归
专题三 ： 树形模型
1.分类回归树
2.随机森林
专题四 ： 集成学习
1.梯度提升法
2.装袋法
3.GBM与随机GBM
4. XGBOST
5.总结
专题五 ：其它方法
1.支持 向量机
2.深度 学习基础
3.可 解释的机器学习
专题六 ：降维
1.主成分分析
2.广义低秩模型
3.Autoenconders
专题七 ：聚类与分类
1.K-均值聚类
2.分层聚类
3.K-近邻分类
4.Logistic回归
