- 章节1： 什么是人工智能
- 课时1：人工智能背景介绍 免费 09:12
- 课时2：前期环境准备 免费 12:40
- 章节2： 深度学习入门基础知识
- 课时3：深度学习环境准备 04:38
- 课时4：TensorFlow快速入门（一）--基本概念和框架 24:31
- 课时5：Tensorflow快速入门（二）--实战演练和模型训练 19:09
- 课时6：Tensorflow快速入门（三）--技巧总结 13:49
- 课时7：深度学习数学知识一览表 16:36
- 课时8：作业：实例：用自己的数据集训练模型 02:02
- 课时9：作业讲解—如何制作自己的数据集1 21:28
- 课时10：作业讲解—如何制作自己的数据集2 16:35
- 章节3： 传统神经网络与参数理解
- 课时11：什么是多层感知机 03:43
- 课时12：激活函数的原理、类别与实现1 13:03
- 课时13：激活函数的原理、类别与实现2 07:06
- 课时14：损失函数的原理、类别与实现上 19:30
- 课时15：损失函数的原理、类别与实现下 09:51
- 课时16：梯度下降算法一 15:37
- 课时17：梯度下降算法二 30:06
- 课时18：学习率的设定 07:00
- 课时19：正则化的方法（一） 17:59
- 课时20：正则化的方法(二) 05:49
- 课时21：实例：识别花的种类 06:26
- 课时22：作业：改变不同的参数，提高识别花种类的准确率 02:41
- 课时23：作业讲解：不同参数的改变对于准确率的变化原理 11:24
- 章节4： 前向传播与反向传播
- 课时24：前向传播的原理 04:09
- 课时25：前向传播的代码实现 02:21
- 课时26：反向传播的原理 08:19
- 课时27：反向传播代码实现 02:46
- 课时28：实例：自己手写一个完整的BP 06:41
- 课时29：作业：写一个Autoencoder 01:35
- 课时30：作业讲解：如何写一个Autoencoder 08:21
- 章节5： 自编码Autocoder的原理及应用
- 课时31：什么是Autoencoer 06:48
- 课时32：Autoencoder的原理与实现 07:26
- 课时33：Autoencoder与PCA的区别 04:07
- 课时34：Autoencoder的变种（一） 07:16
- 课时35：Autoencoder的变种（二） 06:12
- 课时36：实例：Autoencoder与聚类结合在预测用户偏好中的应用 09:13
- 课时37：作业：运用Autoencoder对海量数据进行降维 03:15
- 课时38：作业讲解：如何高效的运用Autoencoder降维 04:29
- 章节6： 经典卷积神经网络及图像分类
- 课时39：卷积神经网络的背景与原理 15:32
- 课时40：卷积神经网络的代码实现（1） 18:05
- 课时41：卷积神经网络的代码实现（2） 29:09
- 课时42：Le-Net5的网络结构与实现 10:17
- 课时43：Alexnet的网络结构和实现 13:12
- 课时44：Vgg的网络结构及实现 09:03
- 课时45：GoogleNet的网络结构与实现 17:33
- 课时46：Resnet的网络结构及实现 07:37
- 课时47：实例：用经典的卷积神经网络cifar-10数据进行图像分类 20:01
- 章节7： 目标检测算法的原理及应用
- 课时48：目标检测算法的简介与种类 12:28
- 课时49：R-CNN相关算法的原理及实现（一） 23:02
- 课时50：R-CNN相关算法的原理及实现（二） 15:06
- 课时51：YOLO相关算法的原理及实现（一） 15:20
- 课时52：YOLO相关算法的原理及实现（二） 21:54
- 课时53：SSD相关算法的原理及实现 （一） 21:26
- 课时54：SSD相关算法的原理及实现 （二） 09:44
- 章节8： 迁移学习
- 课时55：迁移学习简介 05:06
- 课时56：迁移学习的应用 05:35
- 课时57：迁移学习的方法 06:34
- 课时58：迁移学习案例分享 10:28
- 章节9： 循环神经网络RNN
- 课时59：循环神经网络RNN的简介与原理详解 11:06
- 课时60：循环神经网络RNN的代码实现 08:31
- 课时61：实例：用RNN来做情感分析 11:49
- 章节10： 自然语言处理
- 课时62：LSTM的简介与原理详解 06:24
- 课时63：LSTM的代码实现 07:22
- 课时64：实例：用LSTM实现一个简单的聊天机器人 29:20
- 章节11： 无监督学习：对抗网络GAN
- 课时65：GAN的背景与应用 06:41
- 课时66：GAN的数学推导及代码实现 25:59
- 课时67：GAN的变种及应用 18:17
- 课时68：实例：用GAN生成二次元萌妹子 17:37
- 章节12： 深度学习的高性能计算
- 课时69：单机单卡的实现过程 06:01
- 课时70：单机多卡的实现过程 17:35
- 课时71：多机单卡的实现过程 05:52
- 课时72：多机多卡的实现过程 18:55
- 课时73：实例： 分布式训练实例：基于docker的分布式训练框架的搭建 19:24
- 章节13： 实战项目演练
- 课时74：用户分群与偏好预测经典案例 18:18
- 课时75：自动创作古诗词 11:44
- 课时76：自动创造音乐 19:47
