33 | 线性代数：线性代数到底都讲了些什么？
32 | 概率统计篇答疑和总结：为什么会有欠拟合和过拟合？
31 | 统计意义（下）：如何通过显著性检验，判断你的A/B测试结果是不是巧合？
30 | 统计意义（上）：如何通过显著性检验，判断你的A/B测试结果是不是巧合？
29 | 归一化和标准化：各种特征如何综合才是最合理的？
28 | 熵、信息增益和卡方：如何寻找关键特征？
27 | 决策树：信息增益、增益比率和基尼指数的运用
26 | 信息熵：如何通过几个问题，测出你对应的武侠人物？
25 | 马尔科夫模型：从PageRank到语音识别，背后是什么模型在支撑？
24 | 语言模型：如何使用链式法则和马尔科夫假设简化概率模型？
23 | 文本分类：如何区分特定类型的新闻？
22 | 朴素贝叶斯：如何让计算机学会自动分类？
21 | 概率基础（下）：联合概率、条件概率和贝叶斯法则，这些概率公式究竟能做什么？
20 | 概率基础（上）：一篇文章帮你理解随机变量、概率分布和期望值
19 | 概率和统计：编程为什么需要概率和统计？
数学专栏课外加餐（三）：程序员需要读哪些数学书？
18 | 总结课：数据结构、编程语句和基础算法体现了哪些数学思想？
17 | 时间和空间复杂度（下）：如何使用六个法则进行复杂度分析？
16 | 时间和空间复杂度（上）：优化性能是否只是“纸上谈兵”？
15 | 从树到图：如何让计算机学会看地图？