基础篇理论第 1 课：机器学习基础
统计与朴素贝叶斯
机器学习基本原理
基础篇理论第 2 课：决策树
信息熵
决策树算法
基础篇理论第 3 课：回归与损失函数
线性回归
损失函数
基础篇理论第 4 课：梯度下降与凸优化
凸函数与凸优化
梯度下降算法
随机梯度下降算法
基础篇理论第 5 课：分类器与 SVM
多元线性回归模型
支持向量机 SVM
神经元与激励函数
基础篇理论第 6 课：神经元和线性分类器
激励函数的种类 Sigmoid、Tanh 等
基础篇理论第 7 课：BP 神经网络
BP 网络结构
训练原理
基础篇理论第 8 课：卷积神经网络 CNN
卷积核与卷积层
卷积神经网络结构
经典卷积网络模型
基础篇实战第 1 课：常用的软件包和环境配置
常用的软件包
环境配置
基础篇实战第 2 课：环境配置详解
GPU 环境配置详解
深度学习框架配置详解
基础篇实战第 3 课：梯度下降算法的实现
Python 实现算法
基础篇实战第 4 课：神经网络手写数字识别
Mnist 数据集来识别手写数字
基础篇实战第 5 课：反向传播算法的实现（Python）
Python 实现算法
基础篇实战第 6 课：提高版本的手写数字识别识别
Python 实现算法
基础篇实战第 7 课：卷积神经网络 (CNN) 实现（上）（Python）
Python 实现算法
基础篇实战第 8 课：卷积神经网络 (CNN) 实现（下）（Python）
Python 实现算法
高级篇理论第 1 课：梯度消失问题和激励函数选择
梯度消失问题
ReLu 激励函数
高级篇理论第 2 课：隐马尔可夫模型
HMM 模型
维特比算法、前向算法、后向算法
高级篇理论第 3 课：循环神经网络 RNN
标准 RNN
LSTM
高级篇理论第 4 课：OverFitting
过拟合 / 欠问题的原因
通过 Validation 解决过拟合问题
高级篇理论第 5 课：Regulization 和 DropOut
正则化的优势与实现方法
DropOut 的优势与实现方法
高级篇理论第 6 课：玻尔兹曼机与 Encoder/Decoder
玻尔兹曼机原理
玻尔兹曼机用途
高级篇理论第 7 课：深度残差网络
深度残差网络结构
深度残差网络应用介绍
高级篇理论第 8 课：总结与扩展
遗传算法（启发式优化）
论文与其它文献
源代码共享
高级篇实战第 1 课：循环神经网络 (RNN) 实现
Python 实现算法
高级篇实战第 2 课：循环神经网络 (LSTM) 实现
Python 实现算法
高级篇实战第 3 课：使用卷积神经网络 (CNN) 对图片进行分类 (Caffe)
Caffe 和 Cifar-10 数据集来实现
高级篇实战第 4 课：使用卷积神经网络 (CNN) 对图片进行分类 (Tensorflow)
Google Tensorflow 和 Cifar-10 数据集来实现
高级篇实战第 5 课：使用循环神经网络 (RNN) 自动生成文本 (Caffe)
Caffe 来实现
高级篇实战第 6 课：使用循环神经网络 (RNN) 自动生成文本 (Tensorflow)
Google Tensorflow 来实现
高级篇实战第 7 课：使用卷积神经网络 (CNN) 把照片模仿出著名艺术家画的风格 (Tensorflow)
Google Tensorflow 来实现
高级篇实战第 8 课：人脸识别 (Tensorflow)
Google Tensorflow 来实现
综合实战篇（直播讲解+互动答疑）
本部分内容，高扬老师将通过直播形式，以一个有趣的实战项目「斗地主机器人」为例讲解深度学习卷积网络的应用实践流程和经验。