模块一：
  人工智能的行业应用与发展

  1.人工智能的行业图谱和行业发展割析
  2.人工智能结合大数据的行业应用案例
  3.人工智能在“互联网+”领域的应用
  4.人工智能在制造业领域的应用
  5.人工智能在金融、消费领域的应用

模块二：
  Python数据挖掘快速入门

  1.Python语言基础快速入门
  2.科学计算库Numpy
  3.数据分析处理库Pandas
  4.可视化库Matplotlib
  5.人工智能必备Python基础

模块三：
  Scikit-learn实战

  1.Scikit-learn库介绍
  2.Scikit-learn安装
  3.基于Scikit-learn的常用挖掘算法实战
  4.基于Scikit-learn数据挖掘流程
  — 数据读取
  —数据标准化
  —特征提取
  —升维和降维

模块四：
  python基于Spark的数据挖掘实战

  1.Spark Mllib介绍
  2.Spark mllib 实现K-means应用
  3.Spark mllib 实现贝叶斯应用
  4.Spark mllib 实现决策时应用
  5.Spark mllib 实现随机森林应用
  6.基于Spark mllib实现信用卡挖掘模型应用

模块五：
  TensorFlow Al深度学习平台及其应用实践(1)

  1.TensorFlow: 一个Al深度学习框架的概述
  2.TensorFlow深度学习平台的工作机制和系统架构
  3.TensorFlow的安装、部署、配置和使用
  4.TensorFlow的应用场景和应用案例

模块六：
  TensorFlow Al深度学习平台及其应用实践(2)

  1.TensorFlow CNN应用操作
  2.TensorFlow LSTM应用操作
  3.TensorFlow在图像识别的实验操作
  4.基于TensorFlow的可视化工具：5.Tensorboard简介
  6.Tensorboard的部署、配置和应用界面操作
  7.基于TensorFlow和Tensorboard进行实验操作

模块七：
  Keras人工智能平台应用实践

  1.业界常用的AI平台：Keras人工智能平台架构
  2.Keras Al平台的部署与配置
  3.Keras技术实现与工作机制
  4.Keras实验操作

模块八：
  人工智能应用案例介绍

  1.人工智能在金融行业的使用案例介绍
  2.人工智能在保险行业的使用介绍
  3.人工智能实现机器人的案例介绍