课程名称适应人群人工智能导论1.零基础或计算机相关专业的学生 2.希望快速入门人工智能的初学者 3.人工智能领域的就业求职者 4.有一定基础，希望掌握人工智能的开发者本包含了 AI 之梦、神经网络、深度学习等章节，介绍了人工智能中的发展历程与应用前景

课时名称课时知识点卷积神经网络讲解卷积神经网络（CNN）概念、整体结构（卷积和最大池化）、训练常用方法简介、应用。

课时名称课时知识点去中心化模型训练讲解联邦学习基本概念、面临的挑战、扩展（纵向联邦学习、去隐私计算等）和应用案例（智能家居、手机键盘预测等）。

课时名称课时知识点RNN 变种介绍两种RNN变形：长短期记忆网络（LSTM）和门控循环单元（GRU），两者的原理和比较。

课时名称课时知识点其他深度学习模型介绍了多种其他深度学习模型：AutoEncoder 和 VAE 等、模型组合、多任务学习、元学习和网络结构搜索。

课时名称课时知识点数据定价感谢各位的坚持和付出，最后一节我们感受数据的实际价值，本节介绍如何在多方情况下来完成数据定价：SV 定价

课时名称课时知识点从集中式到分布式讲解集中式建模的问题，为了解决集中式建模问题提出了分布式的机器学习方法。

课时名称课时知识点循环神经网络 RNN讲解循环神经网络（RNN）模型概念、优劣势，介绍RNN的两种算法：前向传播算法、反向传播算法。

课时名称课时知识点模型能力汇聚介绍模型能力聚合过程中遇到的 Non-IID 问题，以及蒸馏聚合、对比学习、元学习的聚合方法。

课时名称课时知识点人工智能发展历史人工智能是如何一步一步发展到现在的？本节介绍人工智能发展历史：智慧体、图灵机、图灵测试、第一台计算机、分布式计算、众包计算，从确定性计算到不确定性学习。

课时名称课时知识点过拟合学了这节你就可以“指指点点”什么是好的模型了！本节介绍过拟合模型概念，过拟合与模型复杂度匹配问题造成的过拟合与欠拟合，以及如何判断过拟合、如何避免过拟合。

课时名称课时知识点简单的AI应用：手写数字识别人工智能的典型应用和奇妙之处，用一个简单的项目实操「手写数字识别」来拓展AI应用。

课时名称课时知识点神经网络模型训练讲解反向传播具体算法，如何使用梯度下降法训练神经网络模型。

课时名称课时知识点岭回归和 Lasso 回归开始深入了，学到这里你就不仅仅是一个入门小白了。本节介绍岭回归和 Lasso 回归概念，如何通过岭回归和 Lasso 回归减少过拟合。

课时名称课时知识点支持向量机讲解一种常用的监督学习算法：支持向量机（SVM）的概念和基本型。

课时名称课时知识点线性回归你也可以学会用人工智能解决问题。本节介绍线性回归概念，并用「房价预测问题」项目举例机器学习的流程，以及如何用 Sklearn 实现线性回归。

课时名称课时知识点深度学习基本概念讲解为什么我们需要深度网络，深度网络为什么难训练，以及深层网络训练中梯度消失问题的解决方案。

课时名称课时知识点决策树优良的工具包！通过判断过去14天的天气状况决策是否前往游乐场的案例讲解决策树、信息熵、信息增益概念，以及如何使用 Sklearn 工具包构建和训练决策树模型。

课时名称课时知识点基本概念来了喽，本节介绍机器学习的基本也是核心概念，两大类模型：分类和回归、监督与无监督，以及机器学习如何进行模型训练。

课时名称课时知识点说在课前最简单的一个概念，人工智能是什么？本节介绍人工智能背景：人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理

课时名称课时知识点神经网络组成梳理人工神经网络的发展历程，讲解神经网络概念和 sigmoid，tanh，relu 等常见的激活函数，以及神经网络是如何通过激活函数传递图形信息，形成神经网络模型。