01 | 课程介绍02 | 内容综述03 | AI概览:宣传片外的人工智能04 | AI项目流程:从实验到落地05 | NLP领域简介:NLP基本任务及研究方向06 | NLP应用:智能问答系统07 | NLP应用:文本校对系统08 | NLP的学习方法:如何在AI爆炸时代快速上手学习?09 | 深度学习框架简介:如何选择合适的深度学习框架?10 | 深度学习与硬件:CPU11 | 深度学习与硬件:GPU12 | 深度学习与硬件:TPU13 | AI项目部署:基本原则14 | AI项目部署:框架选择15 | AI项目部署:微服务简介
16 | 统计学基础:随机性是如何改变数据拟合的本质的?17 | 神经网络基础:神经网络还是复合函数18 | 神经网络基础:训练神经网络19 | 神经网络基础:神经网络的基础构成20 | Embedding简介:为什么Embedding更适合编码文本特征?21 | RNN简介:马尔可夫过程和隐马尔可夫过程22 | RNN简介:RNN和LSTM23 | CNN:卷积神经网络是什么?24 | 环境部署:如何构建简单的深度学习环境?25 | PyTorch简介:Tensor和相关运算26 | PyTorch简介:如何构造Dataset和DataLoader?27 | PyTorch简介:如何构造神经网络?28 | 文本分类实践:如何进行简单的文本分类?29 | 文本分类实践的评价:如何提升进一步的分类效果?