人工智能基礎、技術及其體系

1. 人工智能（Artificial Intelligence，AI）的定義、起源、用途
2. 人工智能的發展歷程與脈絡
3. 人工智能的國家政策解讀
4. 人工智能的技術體系
5. 人工智能的技術框架
6. 中國和美國的人工智能產業和主流人工智能產品

人工智能的問題求解及技術實現

7. 人工智能領域的經典問題和求解方式
8. 機器學習模型和推理符號模型
9. 業界主流的機器學習方法解決人工智能領域的思路
10. 人工智能和大數據
11. 人工智能和機器學習
12. 人工智能和深度學習

人工智能的學習方式

13. 有監督學習訓練
14. 無監督學習訓練
15. 半監督學習訓練

人工智能的行業應用與發展

16. 人工智能的行業圖譜和行業發展剖析
17. 人工智能結合大數據的行業應用案例
18. 人工智能在“互聯網+”領域的應用
19. 人工智能在制造業領域的應用
20. 人工智能在金融、消費領域的應用
21. 人工智能在出行、旅游領域的應用

部署人工智能實驗平臺

22. 部署人工智能實驗操作軟件和環境
23. 運行講師提供的人工智能簡單示例驗證環境的準確性
24. 熟悉實驗資料和實驗環境

人工智能機器學習的算法模型的應用實踐（1）?

25. 人工智能領域的四大類經典算法模型
26. 神經網絡機器學習算法模型及其應用
27. 決策樹算法模型及其應用
28. 關聯分析算法模型及其應用
29. 聚類分析算法模型及其應用
30. 深度學習算法模型及應用

人工智能機器學習的算法模型的應用實踐（2）

31. 樸素貝葉斯算法模型及其應用
32. 邏輯回歸算法模型及其預測應用
33. Python機器學習庫的應用
34. Python Scikit-learn算法庫的使用講解

人工智能和機器學習的實驗操作

35. Python Scikit-learn算法庫的實戰操作
36. 利用Python語言編程，實現分類預測項目
37. 實驗要求準確率、召回率、誤差等指標

深度學習技術及其應用

38. 淺層學習技術及應用
39. 深度學習算法、技模型及應用
40. CNN卷積神經網絡算法模型及應用
41. RNN循環神經網絡算法模型及應用
42. LSTM神經網絡算法模型及應用
43. 深度學習在人臉識別、語音識別領域的解決方案

TensorFlow AI深度學習平臺及其應用實踐（1）

44. TensorFlow：一個AI深度學習框架的概述
45. TensorFlow架構
46. TensorFlow的安裝、部署、配置
47. TensorFlow的應用場景和應用案例
48. TensorFlow搭建GPU和CPU人工智能集群
49. 基于Tensorflow實現CNN模型應用，以及算法部署，算法調優，處理效率提升之道
50. 基于Tensorflow實現RNN（LSTM）模型應用，以及算法部署，算法調優，處理效率提升之道

TensorFlow AI深度學習平臺及其應用實踐（2）

51. TensorFlow CNN應用操作
52. TensorFlow RNN應用操作
53. TensorFlow LSTM應用操作
54. TensorFlow在自然語言生成建模案例
55. TensorFlow在圖像識別的實驗操作

Tensorboard AI 深度學習可視化建模工具與模型優化

56. Tensorboard簡介
57. Tensorboard可視化和命名空間
58. TensorFlow人工智能建模模型狀態評估與優化
59. Tensorboard的部署、配置和應用編程
60. 利用Tensorboard實現圖像識別操作
61. 利用TensorFlow實現文本挖掘操作

Keras 人工智能平臺應用實踐

62. Keras人工智能平臺架構
63. Keras AI平臺的部署與配置
64. Keras技術實現與工作機制
65. Keras序列模式
66. Keras圖像與自然語言應用案例
67. Keras實驗操作：Kaggle圖像比賽與優化案例（選做）

人工智能的產品解決方案

68. 圖像處理解決方案
69. 人臉識別解決方案
70. 語音識別解決方案
71. 文本分類解決方案
72. 視頻理解解決方案

項目實踐

73. 人臉識別項目
74. 新聞內容文本分類預測項目
講師答疑