试验环境与基本概念（第一天--1）

1、python安装

2、Python基础语法

3、Tensorflow的安装

4、Tensorflow的基本用法

5、AI的几个基本概念

6、数据清理与规范化

三大经典之决策树（第一天--2）

1、分类和预测

2、熵减过程与贪心法

3、C4.5

4、决策树剪枝

5、案例：打网球的决定因素

三大经典之聚类（第一天--3）

1、监督学习与无监督学习

2、K-means与k-medoids

3、层次的方法

4、基于密度的方法

5、基于网格的方法

6、案例：鸢尾花数据的聚类

三大经典之关联规则（第一天--4）

1、频繁项集

2、支持度与置信度

3、Apriori性质

4、连接与剪枝

5、关联规则的案例

6、案例：超市购物篮分析

性能评价指标（第一天--5）

1、准确率；精确率、召回率；F1

2、混淆矩阵

3、真阳性率、假阳性率

4、ROC与AUC

5、案例：绘制ROC并计算AUC

6、平均绝对误差、平均平方误差

7、k折验证

BP神经网络（第一天--6）

1、人工神经元及感知机模型

2、前向神经网络

3、激活函数：sigmoid等

4、径向基函数神经网络

5、误差反向传播

6、案例1：可手算的神经网络

7、案例2：“异或”的实现

支持向量机（第二天--1）

1、支持向量机的基本模型

2、核函数

3、多分类的支持向量机

4、用于连续值预测的支持向量机

5、案例：iris的三个分类

集成学习（第二天--2）

1、bagging与boosting

2、随机森林（RF）

3、adaboost

4、GBDT

5、Xgboost

6、案例：RF和GBDT的比较

深度学习初步（第二天--3）

1、连接主义的兴衰

2、深度学习与神经网络的区别与联系

3、目标函数的改进

4、激励函数的改进

5、学习步长与梯度下降

6、Adagrad、RMSprop、Adam

7、案例：各种梯度下降方法的比较

用于分类的CNN（第二天--4）

1、CNN分类典型应用场景

2、案例1：CNN基础

3、Alexnet详解

4、VGG

5、案例2：手写数字分类

6、案例3：VGG中各层“眼”中的猫

用于目标检测的CNN（第二天--5）

1、CNN目标检测典型应用场景

2、RCNN详解

3、SPPNET、Fast、fasterRCNN

4、案例：PascalVOC数据集中的目标检测

RNN（第二天--6）

1、基本RNN

2、LSTM单元

3、简化的单元：GRU

4、案例1：基于LSTM的加法器

5、案例2：股市收盘价预测

GAN（第二天--7）

1、基本GAN

2、技巧的优势：DCGAN

3、理论的胜利：WGAN

4、案例：生成手写数字