☆ 1、如有部分內容理解不透或消化不好，可免費在以后培訓班中重聽；
      ☆ 2、在課程結束之后,授課老師會留給學員手機和E-mail,免費提供半年的課程技術支持，以便保證培訓后的繼續消化；
      ☆3、合格的學員可享受免費推薦就業機會。
      ☆4、合格學員免費頒發相關工程師等資格證書，提升您的職業資質。

1、基礎知識

線性代數基礎

概率與數理統計基礎

微積分基礎

Python基礎

2、常用機器學習算法：

決策樹算法

隨機森林算法

樸素貝葉斯算法

邏輯回歸算法

SVM算法

K--mean算法

異常URL分類實戰

算法優化技術

3、深度學習基礎

神經網絡

稀疏性

自編碼器

手寫體識別實戰

驗證碼安全級別介紹

驗證碼識別實戰

4、卷積神經網絡（CNN）

卷積算法

池化

PCA

One-Hot

圖像識別實戰

僵尸網絡與DDOS

CNN僵尸網絡識別實戰

5、遞歸神經網絡（RNN）

遞歸神經網絡算法

LSTM與梯度消失

Attention機制

文本情景分析實戰

傳統垃圾郵件解決方案

RNN實現垃圾郵件分類實戰

6、最新深度學習進展

增強學習（RL）算法介紹

對抗學習（GAN）算法介紹

網絡安全與機器學習研究方向介紹

第1章: 基礎知識
第1節: 課程介紹
1 : 課程介紹

任務1： 機器學習課件和作業.rar
第2節: 開發環境
2 : 開發環境

第3節: 數學
3 : 線性代數

4 : 概率學基礎

5 : 信息論基礎

第4節: Python基礎
6 : Python基礎

7 : 面向對象

第5節: 數學實驗實踐
8 : 數學實驗實戰

第2章: 常用機器學習算法
第1節: 數據分析
9 : numpy

10 : pandas

第2節: 機器學習
11 : 機器學習

第3節: 實戰項目
12 : miniPJ1

13 : miniPJ2

第3章: 深度學習基礎
14 : 深度神經網絡

15 : 稀疏自編碼

16 : softmax
第4章: 卷積神經網絡
21 : 卷積網絡-上

22 : 卷積網絡-中

23 : 卷積TF編程

24 : 實踐

25 : alex_net

26 : vggnet

27 : InceplionV1

28 : InceplionV2

29 : InceplionV3

30 : resnet-V1

31 : resnet-V2

32 : mini_Project

33 : mini_Project

34 : mini_Project

第5章: 遞歸神經網絡
35 : 遞歸神經網絡

36 : Word2Vec