掌握人工智能Python语言的内容，语法规则，程序逻辑控制，OOP，数据结构。介绍人工智能的应用及神经元基本原理。

通过人工智能具体应用项目的开发，深入介绍CNN和RNN原理及应用，包括卷积层和池化层，图像特征提取与识别，经典LeNet模型，LSTM，Encoder-Decoder Model,分词、题干提取建模等

学习重点转向高级的模型优化算法上。在项目开发基础上进行算法开发实现，学习过程的优化、数据预处理、超参数、学习率优化、Batch-Normalization等，实现开发工程师到算法专家之路。

基于CDBD数据集开发课程案例，介绍数据分析的基本流程和方法，涉及的数据建模方法主要是聚类和决策树。

基于真实企业数据库开发案例，重点介绍K-近邻、凝聚与分裂（层次聚类算法）、线性回归、朴素贝叶斯等数据建模方法，最终成为数据分析师。

通过真实情境的数据分析工作，处理各种数据分析中的复杂问题，所使用的建模方法有支持向量机、DBSCAN、逻辑回归和反向传播神经网络。