人工智能-机器学习
map函数、filter函数、sorted函数、eval()、exec()函数 关联算法-掌握Apriori算法与FP-growth算法原理， 熟悉频繁项的挖掘与常用剪枝策略、 与关联规则 分类算法—掌握决策树算法、随机森林、KNN 、SVM及朴素贝叶斯算法原理，熟悉集成学习(Bagging、Boosing)对于分类算法的优化过程，掌握数据降维方法应用聚类算法—掌握Kmeans，理解聚类算法与分类算法的区别，理解聚类算法的优缺点 回归算法—主流回归模型，线性回归， 逻辑回归 LR 及其变种和扩展算法；梯度下降，逻辑回归最优化问题的求解。
培养方向
掌握常用的机器学习算法，深入接触项目案例，在理解算法的基础上，掌握算法在实际项目中的应用。
人工智能—深度学习
基于PaddlePaddle深度学习框架讲解 深度学习正则化概述，模型拟合与过拟合问题 神经网络算法—垃圾邮件与反欺诈 图像识别技术—手写数字识别 强化深度学习—AlphaGo相关技术。
培养方向
掌握 PaddlePaddle 基本概念，计算模型和原理；能够通过PaddlePaddle进行深度学习和模型构建与训练； 掌握训练过程优化方法与问题优化
人工智能—拓展课程
张量、 数据准备、 深度学习网络结构、 损失函数和优化器、 模型的保存和加载、 TensorFlow+PaddlePaddle
培养方向
了解人工智能领域中主流的开发框架，如PaddlePaddle、TensorFlow、PyTorch等......
项目实战及考核
分析项目需求、数据清洗及补值、训练数据模型、结果分析及预测
培养方向
掌握人工智能领域中的图像识别技术，对行业中流行的数据模型和算法有所了解......
