主要的内容包括：机器学习、线性回归、最小均方 (LMS)、逻辑回归、分类、广义线性模型、普通最小二乘、生成学习算法、高斯判别分析、朴素贝叶斯、拉普拉斯平滑、核方法、支持向量机 (SVM)、 深度学习、神经网络、反向传播、正则化、交叉验证、无监督学习、k-means 聚类、期望最大化 (EM) 算法、因子分析、主成分分析、独立成分分析、强化学习和控制、马尔可夫决策过程， 价值迭代和策略迭代。