1、机器学习中的Python：Python环境搭建与其根本语法的学习，熟习列表元组等根本观点与python函数的形式，Python的IO操作，Python中类的利用先容，python利用实例讲解机器学习领域的经典算法、模型及实现的任务等，同时学习搭建和配置机器学习环境，并学会用线性回归办理一个实际问题。

2、人工智能数学根本：熟习数学中的符号表示，理解函数求导以及链式求导法则，理解数学中函数的观点，熟习矩阵干系观点以及数学表示。
将数学观点与程序根本联系起来；梯度低落实例讲解；

3、机器学习观点与入门：理解人工智能中涉及到的干系观点。
理解如何获取数据以及特色工程。
熟习数据预处理方法。
理解模型演习过程。
熟习pandas的利用。
理解可视化过程；Panda利用讲解；图形绘制；

4、机器学习的数学根本-数学剖析：节制和理解人工智能技能底层数学理论支撑；概率论，矩阵和凸优化的先容，相应算法设计和事理；凸优化理论，流优化手段 SGD，牛顿法等优化方法。

5、深度学习框架TensorFlow：理解及学习变量浸染域与变量命名。
搭建多层神经网络并完成优化。
）正则化优化神经网络。
梯度问题与办理方法。

6、算法：节制常用分类算法：KNN、SVM、NaiveBayes、Bagging、Boosting。
熟习分类算法调参关键参数。
节制不同分类算法的过拟合、欠拟合情景与调优。
节制集成学习调优。
通过实例对付调参过程进行深入理解.理解不同算法的共性与个性。

7、深度学习：利用TensorFlow构建RNN网络，熟习文本向量化过程，完成RNN网络的演习过程，理解文本天生过程，理解RNN与前馈神经网络的差异与联系。

8、实用项目：通过一些实际项目来综合利用所学到的各种知识。

当然以上只是人工智能培训中须要学习课程的一部分，更多的是须要根据学员自己的知识储备去选择性学习课程。