人工智能（ArtificialIntelligence），英文简写为AI。它是科学研究、开发设计用以仿真模拟、拓宽和拓展人的智能化的基础理论、方式 、技术性及软件系统的一门新的技术性科学。人工智能是电子计算机科学的一个支系，它妄图掌握智能化的本质，并生产制造出一种新的可以人们智能化类似的方法作出反映的智能机器，该行业的科学研究包含智能机器人、语言识别、图像识别技术、自然语言理解解决和数据管理系统等。人工智能从问世至今，基础理论和技术性日渐完善，主要用途也不断发展，能够 构想，将来人工智能产生的高科技产品，可能是人们聪慧的“器皿”。
人工智能是对人的意识、逻辑思维的信息内容全过程的仿真模拟。人工智能并不是人的智能化，但能像人那般思索、也很有可能超出人的智能化。
人工智能是一门富有趣味性的科学，从业此项工作中的人务必明白电脑知识，社会心理学和社会学。人工智能是包含十分普遍的科学，它由不一样的行业构成，如深度学习，人工智能算法这些，总体而言，人工智能科学研究的一个关键总体目标是使设备可以担任一些一般必须人们智能化才可以进行的繁杂工作中。但不一样的时期、不一样的人对这类“繁杂工作中”的理解是不一样的
本新项目实际紧紧围绕下列好多个层面进行，深度学习原理：CNN，RNN等互联网，Tensorflow课程内容，深度学习架构：Caffe课程内容，深度学习实战演练演习：面部识别，深度学习：自然语言理解解决Word2Vec，深度学习演习：文本分类，具备较强的理论性与实际操作性。
一.深度学习DeepLearning基本和基础观念
1.人工智能简述、计算智能、类脑智能
3.深度学习简述、记忆力学习培训、梳理学习培训、统计学习
4.深度学习的前生今世、发展趋向
5.人力神经网络、前馈控制神经网络、BP算法、Hessian引流矩阵、结构型特点表明
二．深度学习DeepLearning基础框架剪力墙
1.Caffe
2.Tensorflow
3.3.Torch
4.MXNe
三．深度学习DeepLearning-卷积神经网络
1.CNN卷积神经网络
卷积层（一维卷积、二维卷积）、池化层（平均值池化、较大池化）
全连接层激活函数层Softmax层
2.CNN卷积神经网络改善
R-CNN（SPPNET）Fast-R-CNNFaster-R-CNN（YOLO、SSD）
3.深度学习的实体模型训炼方法
4.梯度下降的优化方法详细说明
四．深度学习DeepLearning-循环系统神经网络
1.RNN循环系统神经网络
梯度方向测算BPTT
2.RNN循环系统神经网络改善
LSTMGRUBi-RNNAttentionbasedRNN
3.RNN具体运用Seq2Seq的原理与完成
五．增强学习
1.增强学习的基础知识
2.經典实体模型DQN解读
3.AlphaGo原理解读
4.RL具体运用；完成一个phaGo
六．竞技性转化成互联网
1.GAN的基础知识
2.GAN經典实体模型CGAN.LAPGAN.DCGAN
3.GAN經典实体模型INFOGAN.WGAN.S2-GAN
4.GAN具体运用DCGAN提升模糊不清图片分辨率
5.GAN具体运用InfoGAN做特殊的样版转化成
七．迁移学习
1.迁移学习的基础理论简述
2.迁移学习的普遍方式
特点、案例、数据信息、深层转移、加强转移、科学研究实例
八．CNN运用实例
1.CNN与手写数字集归类
2.YOLO完成目标检测
3.PixelNet原理与完成
4.运用卷积神经网络做图象设计风格融合
九．小结
地理位置 Location
