1、培訓過程中，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、培訓結束后,授課老師留給學員聯系方式,保障培訓效果,免費提供課后技術支持。
       3、培訓合格學員可享受免費推薦就業機會。☆合格學員免費頒發相關工程師等資格證書，提升職業資質。專注高端技術培訓15年，端海學員的能力得到大家的認同，受到用人單位的廣泛贊譽，端海的證書受到廣泛認可。

• 第1章 課程導學
  對課程章節、知識點、課程安排、適用人群、前提條件以及學習完成后達到的程度進行了介紹，讓同學們對本課程有基本的認識。
• 1-1 課程導學
  第2章 基礎知識
  介紹tensorflow的基礎知識和原理，介紹tensorflow的基本訓練方法和訓練的注意點，介紹什么是Android系統及Android系統的四大基本組件，以及如何開發Android APP，開發工具用什么，環境如何搭建。
• 2-1 什么是TensorFlow
  2-2 張量、圖、會話
  2-3 TensorFlow原理及模型訓練
  2-4 Android操作系統
  2-5 Java安裝
  2-6 Java環境搭建
  2-7 Android安裝及運行
  2-8 第一個Android程序
  第3章 循環神經網絡（RNN與LSTM）
  本章主要講解了循環神經網絡的相關知識，并介紹了循環神經網絡的衍生網絡LSTM，并對sequence to sequence和神經網絡訓練過程中的梯度爆炸和梯度消失相關內容介紹了解決方法。
• 3-1 常用模型
  3-2 BP神經網絡
  3-3 循環神經網絡（1）
  3-4 循環神經網絡（2）
  3-5 循環神經網絡（雙向RNN）
  3-6 循環神經網絡（梯度爆炸和梯度消失1）
  3-7 循環神經網絡（梯度爆炸和梯度消失2）
  3-8 長短期記憶網絡（LSTM）
  第4章 NLP基礎
  介紹什么是RNN和LSTM，并介紹他們在NLP處理中如何去使用，介紹什么是NLP語言模型，以及常用的工作方式，介紹什么是word2vec，并進行詳細解釋；
• 4-1 NLP基礎
  4-2 分詞技術
  4-3 詞性標注
  4-4 命名實體識別
  4-5 貝葉斯與樸素貝葉斯（1）
  4-6 貝葉斯與樸素貝葉斯（2）
  4-7 隱馬爾科夫模型
  4-8 隱馬爾科夫模型實現命名實體識別
  4-9 樸素貝葉斯例子（1）
  4-10 樸素貝葉斯例子（2）
  4-11 樸素貝葉斯例子（3）
  第5章 文本處理方法
  介紹如何建立語料庫，以及可以通過什么方式去收集語料庫，并介紹常用的語料庫，以及介紹如何進行語料的處理和其處理思路等
• 5-1 語料的獲取與處理
  5-2 NLP中的語言模型
  5-3 NLP中的語言模型 一元模型和二元模型
  5-4 NLP中的語言模型 N元模型
  5-5 詞向量與Word2vec
  5-6 文本處理方法
  第6章 實戰之聊天語料處理
  結合上章節講解的內容，本章主要針對我們在聊天機器人訓練部分所使用的聊天語料進行處理，處理方法包括但不限于數據清洗、切詞、訓練語句劃分、句子向量等
• 6-1 數據處理-環境搭建
  6-2 聊天機器人語料處理流程介紹
  6-3 數據處理-句子的構造和判斷
  6-4 數據處理-正則表達式
  6-5 數據處理-句子編碼化處理（字典定義及轉換）
  6-6 數據處理-句子編碼化處理（訓練字典）
  6-7 數據處理-句子編碼化處理（句子和向量之間的轉換）
  6-8 數據處理-訓練語料庫的解壓處理
  6-9 數據處理-訓練語料問答對的處理（1）
  6-10 數據處理-訓練語料問答對的處理（2）
  6-11 數據處理-數據模型打包處理
  6-12 語料處理實戰小結
  第7章 聊天機器人原理
  介紹什么是聊天機器人，以及聊天機器人的基本原理，并介紹如何將我們拿到的基礎語料處理成我們想要的形式，最后整體闡述聊天機器人的架構設計及詳細設計。
• 7-1 Seq2Seq模型
  7-2 Seq2Seq模型(注意力機制)
  7-3 聊天機器人模型（1）
  7-4 聊天機器人模型（2）
  第8章 聊天機器人訓練-TensorFlow的模型前期處理
  本章介紹了TensorFlow關于模型的處理部分的內容，其中包括GPU和CPU的選擇，batch的操作等，這些方法是模型訓練的基礎，在模型訓練過程中起著關鍵的作用。
• 8-1 線程處理（1）
  8-2 線程處理（2）
  8-3 TensorFlow環境搭建
  8-4 TensorFlow相關信息操作
  8-5 數據操作 轉換長度
  8-6 batch_flow（1）
  8-7 batch_flow（2）
  8-8 batch_flow（3）
  8-9 batch_flow_bucket（1）
  8-10 batch_flow_bucket（2）
  8-11 batch_flow_bucket（3）
  8-12 batch_flow_bucket（4）生成虛假數據
  8-13 batch_flow_bucket（5）測試
  第9章 聊天機器人訓練-seq2seq的模型編寫
  本章使用TensorFlow來進行seq2seq模型訓練，從頭開始構建了一個seq2seq模型，并將這個模型在訓練中進行使用。
• 9-1 基本流程介紹
  9-2 基本參數保存，參數驗證（1）
  9-3 基本參數保存，參數驗證（2）
  9-4 基本參數保存，參數驗證（3）
  9-5 基本參數保存，參數驗證（4）
  9-6 構建模型（1）
  9-7 構建模型（2）
  9-8 構建一個單獨的RNN cell
  9-9 構建單獨的編碼器cell（1）
  9-10 構建單獨的編碼器cell（2）
  9-11 構建單獨的編碼器cell（3）
  9-12 構建解碼器（1）
  9-13 構建解碼器（2）
  9-14 構建解碼器（3）
  9-15 構建解碼器（4）
  9-16 構建解碼器（5）
  9-17 構建解碼器（6）
  9-18 構建解碼器（7）
  9-19 構建解碼器（8）
  9-20 構建優化器（1）
  9-21 構建優化器（2）
  9-22 構建優化器（3）
  9-23 輸入檢查
  9-24 訓練模型
  9-25 預測模型
  第10章 聊天機器人模型的訓練和驗證
  本章講解如何使用tensorflow來訓練聊天機器人，并將訓練好的聊天機器人進行驗證 ，驗證后打包成webservice接口進行發布，從而使前端可以進行調用。
• 10-1 第一種模型訓練（1）
  10-2 第一種模型訓練（2）
  10-3 第一種模型訓練（3）
  10-4 第一種模型訓練（4）
  10-5 第一種模型訓練（5）
  10-6 第二種模型訓練（1）
  10-7 第二種模型訓練（2）
  10-8 第二種模型訓練（3）
  10-9 利用flask發布成Webservice接口
  第11章 Android的打包與發布
  介紹開發好的Android應用程序如何進行打包部署，以及在是打包部署過程中的注意事項，并帶領大家將聊天機器人應用進行發布。
• 11-1 新建項目
  11-2 代碼結構講解
  11-3 私有變量的定義
  11-4 參數初始化
  11-5 聽寫UI監聽器
  11-6 合成回調監聽器
  11-7 聽寫監聽器
  11-8 語音合成參數設置
  11-9 完善項目
  11-10 打包發布