-
第一章Python基础
对python基础知识进行介绍，包括Python数据类型、控制结构程序设计、函数、以及面向对象。
-
●1.1 Python概述
1.1.1
本节课主要介绍了python的起源、设计目标和编程特点，人生苦短我用Python！从这节课开始同学们就开始了人工智能之旅。
1.1.2
本节课主要介绍了python的开发工具，python的两种比较流行的版本，比较了它们之间的区别，带着大家一起完成python的安装。
1.1.3
本节课主要介绍python中的注释的使用，包括单行注释和多行注释。还给大家介绍了python中的数据结构。 -
●1.2Python基本数据类型
1.2.1
本节介绍了python常用数据类型，重点解释了数字型数据类型和python中的算术运算符。
1.2.2
本节演示算数运算符的实例，另外介绍了比较运算符，也称为关系运算符，还有逻辑运算符。
1.2.3
本节介绍了非数字型中的字符串，字符串索引和切片的概念并分别实例化。
1.2.4
本节介绍了对两个或者多个字符串进行拼接得到一个新的字符串的方法。 -
●1.3Python的输入输出
1.3.1
本节主要介绍了我们学习中最常用的两种函数input输入函数，print输出函数。，计算机为了与用户进行及交互
1.3.2
本节课主要介绍了格式化输出，讲解了四个有关整型，字符型，浮点型的格式化输出方法。
1.3.3
本节主要介绍了什么是标识符，标识符该如何命名，理解了关键字的来历和作用。 -
●1.4Python复杂数据类型
1.4.1
本节主要介绍了列表的概念和作用，实现了列表的定义和索引，
1.4.2
本节主要介绍了列表的常用操作。
1.4.3
本节主要介绍了元组的索引和切片操作，扩充了字典的相关概念。
1.4.4
本节主要介绍了字典的创建和常用操作。 -
●1.5Python控制结构
1.5.1本节主要介绍了分支结构的由来和类型，实现了单分支、双分支和多分支的实例。
1.5.2 本节主要介绍用Pythony语言实现基于控制结构的程序设计，包括顺序结构、分支结构、循环结构。 -
●1.6函数
本节主要介绍程序设计中函数与子程序的概念，以及在Python语言中定义和调用函数的方法。
-
●1.7算法
本节主要介绍算法性能分析的方法、经典的查找排序算法以及递归分治思想。
-
●1.8面向对象
本节主要介绍面向对象思想、面向对象的优点以及面向对象的基本概念。
-
第二章Numpy基础
本章带领同学们复习python中的基础语法知识，python的基本数据类型和程序的控制结构，numpy的相关概念和应用。好的开始是成功的一半，相信同学们通过接下来的努力，不断增强自己的专业知识和实操能力，未来的人工智能因为有大家的参与离我们的生活越来越近。
-
●2.1Numpy课程介绍
本节课主要回顾python的三种数据类型，包括列表、元组和字典，介绍numpy的功能和特性。
-
●2.2Numpy课程安装
本节课主要回顾了python的两种循环语句和随机函数，介绍numpy的安装方式。
-
●2.3 数组对象属性和创建
本节课主要介绍ndarray对象属性和数组的创建。实例化了4个数组。
-
●2.4数组的计算
本节课主要介绍numpy的N维数组，numpy生成一维数组，二维数组等任意维数的数组，数组的加减乘除、逻辑运算和常用的数学函数。
-
●2.5 数组的索引
本节课主要介绍一维数组到二维数组的转换，以及一维二维数组的索引和分割。
-
第三章Pandas基础
介绍Pandas的安装、Pandas的数据结构以及Pandas的基本功能。
-
●3.1Pandas概述
本节主要介绍Pandas是什么以及如何安装Pandas。
-
●3.2Pandas数据类型
本节主要介绍Pandas的两个主要数据结构——Series、DataFrame及其使用方法。
-
●3.3Pandas基本功能
本节主要介绍Pandas的基本功能，包括描述与统计、离散化、排序、函数应用、修改列/索引名称以及类型操作。
-
第四章Matplotlib基础
介绍Matplotlib的安装以及如何利用Matplotlib进行绘制简单图形。
-
●4.1Matplotlib概述
本节主要介绍Matplotlib是什么以及如何安装Matplotlib。
-
●4.2Matplotlib绘图
本节主要介绍Matplotlib绘图原理以及如何利用Matplotlib进行绘制简单的图形。
-
第五章Pytorch神经网络基础
本章大致介绍了人工神经网络的基本知识，对其发展的历程和阶段做了描述，其中详细介绍了怎么安装pytorch，以及和TensorFlow的比较，然后用代码实现了简单的神经网络的搭建以及网络参数的保存，对深度学习框架的学习入门有着很重要的作用。
-
●5.1人工神经网络
为大家大致讲述了ANN的相关内容，旨在为大家科普入门。
-
●5.2Pytorch概述
本节课为大家介绍一下pytorch的安装，分为不同的方式和不同的版本，例如CPU和GPU。
-
●5.3激励函数
这节课讲述了深度学习中很重要的内容—激励函数的相关内容，为大家比较了四种常见的激励函数以及对它们的实现。
-
●5.4关系拟合回归
本节课为大家讲述了关系拟合回归的相关内容，具体代码实现了它，直观的用图像来显示了其效果。
-
●5.5分类
本节课为大家介绍了分类的相关内容，用代码实现了我们伪造的假数据的分类效果，用图像直观的表现了出来。
-
●5.6快速搭建和保存提取
本节课为大家介绍了神经网络的搭建和对其中的参数的保存，这是我们开始学习神经网络的很重要的一步，也上考验大家代码能力的一节课。
-
●5.7 加速神经网络训练
本节课为大家介绍了怎么加速神经网络的训练，为大家介绍了几种更新导数的方法。
-
第六章Pytorch神经网络进阶
本章大致介绍了深度神经网络中几种常见的模型，CNN，RNN，LSTM，DQN和GAN，重点介绍了在图像处理领域的经典模型CNN，上面的模型基本都用代码进行了实现，是深度学习中的进阶内容，大家学起来可能会有些吃力，本章只是大致进行了介绍，很多的细节需要同学们在课下进行扩展。
-
●6.1Optimizer 优化器
本节课我们比较了几种不同的优化器的效果，用代码实现了它们，最后用图像进行了几种不同的优化器的对比。
-
●6.2CNN简介
本节课我们介绍了在图像处理领域常用的方法卷积神经网络的相关知识，介绍了其基本的结构知识和发展历程。
-
●6.3RNN简介
本节课为大家介绍了循环神经网络的内容，对其基本的结构做出了阐述，为大家对RNN的入门起着引导的作用。
-
●6.4LSTM简介
本节课对RNN的特例LSTM做出了基本的介绍，讲述了其基本的工作原理。
-
●6.5DQN简介
本节课为大家介绍了深度强化学习的相关内容，介绍了其中的公式，起到入门的作用。
-
●6.6GAN简介
本节课大致介绍了生成对抗网络的相关内容，对其发展和优缺点做出了阐述。