01人工智能之数学基础（约6小时）
1.微积分
2.线性代数
3.概率论与数理统计
02数据库基础——关系型数据库（约8小时）
1.SQL入门及安装
2.数据表及字段操作
3.SQL查询、链接
4.SQL商业应用案例
03数据库基础——非关系型数据库（约5小时）
1.MongoDB简介
2.MongoDB的常用操作
3.MongoDB的使用
4.Python操作MongoDB
04人工智能之Python基础篇（约5小时）
1.Python的安装与环境配置
2.Python的基础与规范
3.Python的基本对象类型
4.Python语句
05人工智能之Python进阶篇（约5小时）
1.函数
2.类与对象
3.库与模块
4.文件
5.错误与异常
06人工智能之机器学习基础篇（约10小时）
1.Python机器学习算法库Scikit-Learn入门介绍
2.Python统计分析基础
3.SVD分解与主成分分析
4.线性回归算法实现
5.岭回归、Lasso和弹性网
6.判别分析
7.梯度下降算法原理与Scikit-Learn实现
8.逻辑回归算法原理与Scikit-Learn实现
9.贝叶斯算法原理与Scikit-Learn实现
10.案例：泰坦尼克号生存预测
07人工智能之机器学习进阶篇（约20小时）
1.KNN最近邻元素分类器
2.时间序列模型
3.EM算法
4.聚类分析
5.决策树模型的基本原理与Scikit-Learn实现
6.集成算法入门
7.集成算法的Scikit-Learn实现
8.感知机模型基本原理
9.支持向量机基本原理与Scikit-Learn实现
10.XgBoost
11.案例：上市公司股价预测
12.案例：客户风险评级
13.大型案例：上市公司营收状况预测
08人工智能之复杂网络分析（约10小时）
1.图论
2.复杂网络的拓扑结构性质
3.更多类型的网络
4.复杂网络的演化
5.复杂网络的功能
6.案例：北京市快速轨道交通的有效性
7.案例：社交网络数据分析
09深度学习框架Tensorflow（约7小时）
1.开发环境搭建
2.Tensorflow基本数据结构
3.TensorFlow实现代码结构和开发步骤——回归问题
4.TensorFlow深度学习基础--神经网络——分类问题
5.手写数字识别的突破---卷积神经网络Tensorflow实现
10人工智能之深度学习基础篇（约15小时）
1.AI概述和Tensorflow基础
2.神经网络结构
3.卷积神经网络
4.RNN和LSTM
收 起获取详细课程大纲
11人工智能之深度学习进阶篇（约15小时）
1.神经网络算法基础(1)
2.神经网络算法基础(2)
3.迁移学习和强化学习
4.自然语言处理（NLP）
12识文断字：人工智能实战之文本分析（约6小时）
1.文本分析简介
2.文本数据预处理
3.文本分析应用与Python语言实作
13火眼金睛：人工智能实战之图像识别（约6小时）
1.深度学习与图像识别及经典数据集
2.图像识别的突破--卷积神经网络简介
3.使用卷积神经网络对经典数据集cifar进行分类识别
4.使用自己的数据集训练卷积神经网络
14耳听八方：人工智能实战之语音识别（约5小时）
1.语音识别介绍
2.语音技术分析
3.本地语音识别
4.网络语音识别
15运筹帷幄：人工智能实战之对抗生成网络（约5小时）
11.GAN简介
2.GAN原型详解
3.DCGAN
4.DiscoGAN
5.半监督学习
6.知识汇总与作业
16冰雪聪明：人工智能实战之智能问答系统（约5小时）
1.从与机器的沟通方式开始
2.对话：问题的理解与答案的生成
3.词典：关键词检索
4.专家：指定领域的问答助手
5.百科全书：开放式的问答系统