01人工智能之?dāng)?shù)學(xué)基礎(chǔ)（約6小時(shí)）

1.微積分

2.線性代數(shù)

3.概率論與數(shù)理統(tǒng)計(jì)

02數(shù)據(jù)庫(kù)基礎(chǔ)——關(guān)系型數(shù)據(jù)庫(kù)（約8小時(shí)）

1.SQL入門及安裝

2.數(shù)據(jù)表及字段操作

3.SQL查詢、鏈接

4.SQL商業(yè)應(yīng)用案例

03數(shù)據(jù)庫(kù)基礎(chǔ)——非關(guān)系型數(shù)據(jù)庫(kù)（約5小時(shí)）

1.MongoDB簡(jiǎn)介

2.MongoDB的常用操作

3.MongoDB的使用

4.Python操作MongoDB

04人工智能之Python基礎(chǔ)篇（約5小時(shí)）

1.Python的安裝與環(huán)境配置

2.Python的基礎(chǔ)與規(guī)范

3.Python的基本對(duì)象類型

4.Python語句

05人工智能之Python進(jìn)階篇（約5小時(shí)）

1.函數(shù)

2.類與對(duì)象

3.庫(kù)與模塊

4.文件

5.錯(cuò)誤與異常

06人工智能之機(jī)器學(xué)習(xí)基礎(chǔ)篇（約10小時(shí)）

1.Python機(jī)器學(xué)習(xí)算法庫(kù)Scikit-Learn入門介紹

2.Python統(tǒng)計(jì)分析基礎(chǔ)

3.SVD分解與主成分分析

4.線性回歸算法實(shí)現(xiàn)

5.嶺回歸、Lasso和彈性網(wǎng)

6.判別分析

7.梯度下降算法原理與Scikit-Learn實(shí)現(xiàn)

8.邏輯回歸算法原理與Scikit-Learn實(shí)現(xiàn)

9.貝葉斯算法原理與Scikit-Learn實(shí)現(xiàn)

10.案例：泰坦尼克號(hào)生存預(yù)測(cè)

07人工智能之機(jī)器學(xué)習(xí)進(jìn)階篇（約20小時(shí)）

1.KNN最近鄰元素分類器

2.時(shí)間序列模型

3.EM算法

4.聚類分析

5.決策樹模型的基本原理與Scikit-Learn實(shí)現(xiàn)

6.集成算法入門

7.集成算法的Scikit-Learn實(shí)現(xiàn)

8.感知機(jī)模型基本原理

9.支持向量機(jī)基本原理與Scikit-Learn實(shí)現(xiàn)

10.XgBoost

11.案例：上市公司股價(jià)預(yù)測(cè)

12.案例：客戶風(fēng)險(xiǎn)評(píng)級(jí)

13.大型案例：上市公司營(yíng)收狀況預(yù)測(cè)

08人工智能之復(fù)雜網(wǎng)絡(luò)分析（約10小時(shí)）

1.圖論

2.復(fù)雜網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)性質(zhì)

3.更多類型的網(wǎng)絡(luò)

4.復(fù)雜網(wǎng)絡(luò)的演化

5.復(fù)雜網(wǎng)絡(luò)的功能

6.案例：北京市快速軌道交通的有效性

7.案例：社交網(wǎng)絡(luò)數(shù)據(jù)分析

09深度學(xué)習(xí)框架Tensorflow（約7小時(shí)）

1.開發(fā)環(huán)境搭建

2.Tensorflow基本數(shù)據(jù)結(jié)構(gòu)

3.TensorFlow實(shí)現(xiàn)代碼結(jié)構(gòu)和開發(fā)步驟——回歸問題

4.TensorFlow深度學(xué)習(xí)基礎(chǔ)--神經(jīng)網(wǎng)絡(luò)——分類問題

5.手寫數(shù)字識(shí)別的突破---卷積神經(jīng)網(wǎng)絡(luò)Tensorflow實(shí)現(xiàn)

10人工智能之深度學(xué)習(xí)基礎(chǔ)篇（約15小時(shí)）

1.AI概述和Tensorflow基礎(chǔ)

2.神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

3.卷積神經(jīng)網(wǎng)絡(luò)

4.RNN和LSTM

收 起獲取詳細(xì)課程大綱

11人工智能之深度學(xué)習(xí)進(jìn)階篇（約15小時(shí)）

1.神經(jīng)網(wǎng)絡(luò)算法基礎(chǔ)(1)

2.神經(jīng)網(wǎng)絡(luò)算法基礎(chǔ)(2)

3.遷移學(xué)習(xí)和強(qiáng)化學(xué)習(xí)

4.自然語言處理（NLP）

12識(shí)文斷字：人工智能實(shí)戰(zhàn)之文本分析（約6小時(shí)）

1.文本分析簡(jiǎn)介

2.文本數(shù)據(jù)預(yù)處理

3.文本分析應(yīng)用與Python語言實(shí)作

13火眼金睛：人工智能實(shí)戰(zhàn)之圖像識(shí)別（約6小時(shí)）

1.深度學(xué)習(xí)與圖像識(shí)別及經(jīng)典數(shù)據(jù)集

2.圖像識(shí)別的突破--卷積神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介

3.使用卷積神經(jīng)網(wǎng)絡(luò)對(duì)經(jīng)典數(shù)據(jù)集cifar進(jìn)行分類識(shí)別

4.使用自己的數(shù)據(jù)集訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)

14耳聽八方：人工智能實(shí)戰(zhàn)之語音識(shí)別（約5小時(shí)）

1.語音識(shí)別介紹

2.語音技術(shù)分析

3.本地語音識(shí)別

4.網(wǎng)絡(luò)語音識(shí)別

15運(yùn)籌帷幄：人工智能實(shí)戰(zhàn)之對(duì)抗生成網(wǎng)絡(luò)（約5小時(shí)）

11.GAN簡(jiǎn)介

2.GAN原型詳解

3.DCGAN

4.DiscoGAN

5.半監(jiān)督學(xué)習(xí)

6.知識(shí)匯總與作業(yè)

16冰雪聰明：人工智能實(shí)戰(zhàn)之智能問答系統(tǒng)（約5小時(shí)）

1.從與機(jī)器的溝通方式開始

2.對(duì)話：?jiǎn)栴}的理解與答案的生成

3.詞典：關(guān)鍵詞檢索

4.專家：指定領(lǐng)域的問答助手

5.百科全書：開放式的問答系統(tǒng)