人工智能基礎(chǔ)、技術(shù)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(fā)展歷程與脈絡(luò)
3. 人工智能的國家政策解讀
4. 人工智能的技術(shù)體系
5. 人工智能的技術(shù)框架
6. 中國和美國的人工智能產(chǎn)業(yè)和主流人工智能產(chǎn)品

人工智能的問題求解及技術(shù)實現(xiàn)

7. 人工智能領(lǐng)域的經(jīng)典問題和求解方式
8. 機器學(xué)習(xí)模型和推理符號模型
9. 業(yè)界主流的機器學(xué)習(xí)方法解決人工智能領(lǐng)域的思路
10. 人工智能和大數(shù)據(jù)
11. 人工智能和機器學(xué)習(xí)
12. 人工智能和深度學(xué)習(xí)

人工智能的學(xué)習(xí)方式

13. 有監(jiān)督學(xué)習(xí)訓(xùn)練
14. 無監(jiān)督學(xué)習(xí)訓(xùn)練
15. 半監(jiān)督學(xué)習(xí)訓(xùn)練

人工智能的行業(yè)應(yīng)用與發(fā)展

16. 人工智能的行業(yè)圖譜和行業(yè)發(fā)展剖析
17. 人工智能結(jié)合大數(shù)據(jù)的行業(yè)應(yīng)用案例
18. 人工智能在“互聯(lián)網(wǎng)+”領(lǐng)域的應(yīng)用
19. 人工智能在制造業(yè)領(lǐng)域的應(yīng)用
20. 人工智能在金融、消費領(lǐng)域的應(yīng)用
21. 人工智能在出行、旅游領(lǐng)域的應(yīng)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(huán)境
23. 運行講師提供的人工智能簡單示例驗證環(huán)境的準確性
24. 熟悉實驗資料和實驗環(huán)境

人工智能機器學(xué)習(xí)的算法模型的應(yīng)用實踐（1）?

25. 人工智能領(lǐng)域的四大類經(jīng)典算法模型
26. 神經(jīng)網(wǎng)絡(luò)機器學(xué)習(xí)算法模型及其應(yīng)用
27. 決策樹算法模型及其應(yīng)用
28. 關(guān)聯(lián)分析算法模型及其應(yīng)用
29. 聚類分析算法模型及其應(yīng)用
30. 深度學(xué)習(xí)算法模型及應(yīng)用

人工智能機器學(xué)習(xí)的算法模型的應(yīng)用實踐（2）

31. 樸素貝葉斯算法模型及其應(yīng)用
32. 邏輯回歸算法模型及其預(yù)測應(yīng)用
33. Python機器學(xué)習(xí)庫的應(yīng)用
34. Python Scikit-learn算法庫的使用講解

人工智能和機器學(xué)習(xí)的實驗操作

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

深度學(xué)習(xí)技術(shù)及其應(yīng)用

38. 淺層學(xué)習(xí)技術(shù)及應(yīng)用
39. 深度學(xué)習(xí)算法、技模型及應(yīng)用
40. CNN卷積神經(jīng)網(wǎng)絡(luò)算法模型及應(yīng)用
41. RNN循環(huán)神經(jīng)網(wǎng)絡(luò)算法模型及應(yīng)用
42. LSTM神經(jīng)網(wǎng)絡(luò)算法模型及應(yīng)用
43. 深度學(xué)習(xí)在人臉識別、語音識別領(lǐng)域的解決方案

TensorFlow AI深度學(xué)習(xí)平臺及其應(yīng)用實踐（1）

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

TensorFlow AI深度學(xué)習(xí)平臺及其應(yīng)用實踐（2）

51. TensorFlow CNN應(yīng)用操作
52. TensorFlow RNN應(yīng)用操作
53. TensorFlow LSTM應(yīng)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(xué)習(xí)可視化建模工具與模型優(yōu)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(tài)評估與優(yōu)化
59. Tensorboard的部署、配置和應(yīng)用編程
60. 利用Tensorboard實現(xiàn)圖像識別操作
61. 利用TensorFlow實現(xiàn)文本挖掘操作

Keras 人工智能平臺應(yīng)用實踐

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

人工智能的產(chǎn)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(nèi)容文本分類預(yù)測項目
講師答疑