1、人工智能课程设计理念
2、机器学习是拟人
3、有监督机器学习
4、无监督机器学习
5、人工智能应用

1、循环控制_切片操作
2、数据类型_集合操作
3、常用内建函数
4、函数式编程
5、类_对象_继承

1、Numpy数学计算模块
2、Pandas数据分析模块
3、Numpy使用技巧
4、Pandas使用技巧
5、Numpy和Pandas的综合运用

1、Python数据绘图
2、通过可视化剖析机器学习算法损失函数
3、Matplotlib绘制饼图、直方图、盒图
4、Matplotlib的画风以及颜色设置
5、Seaborn面对单变量和多变量的图像绘制

1、导数及其应用
2、矩阵及其应用
3、矩阵分解与特征向量
4、概率论
5、统计初步

1、MSE均方误差
2、最优化求解梯度下降法
3、归一化
4、L1和L2正则
5、Lasso回归和岭回归 6、实战保险案例

1、交叉熵损失函数
2、Softmax回归
3、实战音乐分类器
4、逻辑回归的优化手段
5、最优化求解拟牛顿法

1、最优化求解拟牛顿法
2、SVM硬间隔最优化求解
3、如何求解W和b模型参数
4、软间隔和SVM核函数
5、最优化求解SMO算法流程

1、决策树生成方式
2、决策树实战案例
3、随机森林
4、随机森林与数据处理技巧
5、随机森林与数据处理技巧

1、adaboost的数据权重
2、adaboost训练流程和分类器权重
3、函数空间梯度下降
4、GBDT训练流程
5、Xgboost中的目标函数和训练流程

1、Kmeans聚类和Kmeans衍生的算法
2、聚类评估指标
3、层次聚类和密度聚类
4、谱聚类
5、聚类做图片压缩

1、PCA算法
2、PCA算法实战案例
3、SVD奇异值分解
4、LDA线性判别分析
5、流式学习三算法

1、从信息熵到互信息
2、最大熵和极大似然估计关系
3、EM过程
4、EM算法应用于高斯混合模型
5、高斯混合模型应用于聚类问题

1、贝叶斯定理和朴素贝叶斯
2、贝叶斯网络构建和生成
3、马尔科夫链和隐马尔可夫模型
4、前向算法和后向算法、隐马的学习和维特比算法
5、条件随机场的学习
6、线性链条件随机场

1、详解Spark和Hadoop集群概念
2、详解MapReduce的Shuffle
3、RDD五大特性和Python操作pyspark模块
4、RDD数据读取和常用算子操作
5、Spark内核DAG优化剖析

1、实战虚拟机克隆和无密钥登陆
2、实战HDFS文件系统搭建
3、实战Yarn集群搭建和MR代码运行集群中
4、实战Spark程序运行在Standalone集群
5、实战Spark程序运行在Yarn集群中

1、SparkMLlib中逻辑回归调优以及归一化
2、SparkMLlib中聚类和决策树、随机森林
3、SparkMLlib实战Stock股票预测
4、SparkML机器学习库代码实战讲解
5、SparkML实战网页分类

1、神经元、激活函数和单层神经网络
2、多层神经网络和隐藏层
3、Sklearn神经网络超参数讲解和神经网络可视化
4、实战Sklearn多层感知机对手写数字识别分类
5、实战Sklearn多层感知机对水泥强度回归预测

1、Tensorflow代码流程和开发第一个程序
2、Tensorflow的GPU版本的安装详解
3、Tensorflow实战线性回归解析解方式求解
4、Tensorflow的反向自动求导详解
5、Tensorflow实战线性回归梯度下降方式求解

1、改进使用各种优化器求解和掌握各种优化器的区别
2、Softmax分类和逻辑回归分类的本质区别
3、Tensorflow实战Softmax多分类案例
4、Tensorflow实战DNN深度全连接网络
5、防止过拟合技术Dropout的技术点运用
6、Tensorflow中的可视化模块Tensorboard

1、感受野和单通道卷积核的计算
2、卷积计算的步长和填充模式
3、卷积的好处和权值共享
4、实战卷积的代码操作
5、最大池化和平均池化
6、CNN卷积神经网络架构

1、Tensorflow实战CNN代码分类MNIST数据集
2、数据增强的意义与如何做数据增强
3、Tensorflow实战CNN代码分类Cifar10数据集
4、Tensorflow实战如何加入正则项防止过拟合
5、经典的Alexnet的8层网络模型架构

1、Keras框架的安装与初步使用
2、使用Keras构建图像识别神经网络分类器
3、SGD随机梯度下降解决样本不均衡问题
4、经典的神经网络模型VGG16的优点
5、Keras框架利用经典VGG16模型来对MNIST进行分类预测
6、Keras框架利用经典VGG16模型来对MNIST进行分类预测

1、详解RNN循环神经网络和4种网络拓扑
2、实战Tensorflow使用RNN对MNIST数据集做分类
3、BasicRNNCell单元和长短时记忆单元LSTM
4、LSTM长短时记忆单元里面3个门操作和6个公式详解、GRU单元和双向RNN
5、AutoEncoder自编码器、AutoEncoder自编码器

1、图片风格融合架构剖析
2、图片风格融合代码剖析
3、词向量深度学习实战（上）
4、词向量深度学习实战（下）

1、文本单词数据预处理的4种方式
2、词向量对特征工程的重要性以及词向量算法拓扑
3、深度学习里面词嵌入本质
4、实战Keras情感分析项目利用CNN来做
5、实战Keras情感分析项目利用RNN来做

1、用户画像项目特征工程
2、用户画像项目模型训练和堆叠模型
3、深度学习用户画像项目架构剖析
4、深度学习用户画像项目代码剖析

1、实战python对唐诗数据预处理
2、实战Tensorflow利用RNN对写唐诗模型进行训练
3、详解Seq2Seq模型
4、实战聊天机器人的数据预处理
5、实战聊天机器人的模型训练和模型使用

1、推荐系统架构和流程
2、实战推荐系统海量数据预处理
3、实战推荐系统模型的构建
4、实战推荐系统模型的评估
5、实战推荐系统利用Dubbo做成服务

1、图像预处理的各种手段
2、目标检测技术SS
3、目标检测技术SPP
4、目标检测技术FPN
5、人脸识别工程讲解、人脸检测项目代码

1、SIFT特征点提取
2、Caffe和Caffe2框架
3、关键点检测项目讲解
4、关键点检测项目代码