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(guó)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(guó)和美國(guó)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(shí)現(xiàn)

7. 人工智能領(lǐng)域的經(jīng)典問題和求解方式
8. 機(jī)器學(xué)習(xí)模型和推理符號(hào)模型
9. 業(yè)界主流的機(jī)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(jī)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(fèi)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(shí)驗(yàn)平臺(tái)

22. 部署人工智能實(shí)驗(yàn)操作軟件和環(huán)境
23. 運(yùn)行講師提供的人工智能簡(jiǎn)單示例驗(yàn)證環(huán)境的準(zhǔn)確性
24. 熟悉實(shí)驗(yàn)資料和實(shí)驗(yàn)環(huán)境

人工智能機(jī)器學(xué)習(xí)的算法模型的應(yīng)用實(shí)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(jī)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(jī)器學(xué)習(xí)的算法模型的應(yīng)用實(shí)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(cè)應(yīng)用
33. Python機(jī)器學(xué)習(xí)庫(kù)的應(yīng)用
34. Python Scikit-learn算法庫(kù)的使用講解

人工智能和機(jī)器學(xué)習(xí)的實(shí)驗(yàn)操作

35. Python Scikit-learn算法庫(kù)的實(shí)戰(zhàn)操作
36. 利用Python語(yǔ)言編程，實(shí)現(xiàn)分類預(yù)測(cè)項(xiàng)目
37. 實(shí)驗(yàn)要求準(zhǔn)確率、召回率、誤差等指標(biāo)

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(shí)別、語(yǔ)音識(shí)別領(lǐng)域的解決方案

TensorFlow AI深度學(xué)習(xí)平臺(tái)及其應(yīng)用實(shí)踐（1）

44. TensorFlow：一個(gè)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(chǎng)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(shí)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(shí)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(tái)及其應(yīng)用實(shí)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(yǔ)言生成建模案例
55. TensorFlow在圖像識(shí)別的實(shí)驗(yàn)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(jiǎn)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(píng)估與優(yōu)化
59. Tensorboard的部署、配置和應(yīng)用編程
60. 利用Tensorboard實(shí)現(xiàn)圖像識(shí)別操作
61. 利用TensorFlow實(shí)現(xiàn)文本挖掘操作

Keras 人工智能平臺(tái)應(yīng)用實(shí)踐

62. Keras人工智能平臺(tái)架構(gòu)
63. Keras AI平臺(tái)的部署與配置
64. Keras技術(shù)實(shí)現(xiàn)與工作機(jī)制
65. Keras序列模式
66. Keras圖像與自然語(yǔ)言應(yīng)用案例
67. Keras實(shí)驗(yàn)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(shí)別解決方案
70. 語(yǔ)音識(shí)別解決方案
71. 文本分類解決方案
72. 視頻理解解決方案

項(xiàng)目實(shí)踐

73. 人臉識(shí)別項(xiàng)目
74. 新聞內(nèi)容文本分類預(yù)測(cè)項(xiàng)目
講師答疑