人工智能技術和應用場景的全面解析，系統化介紹人工智能技術鏈條 通過實例對人工智能的開發語言載體Python進行深入理解并掌握Python語法規則，變量和數據類型，程序結構控制，Python的數據結構，Python中的OOP，了解-神經網絡的訓練方法和流程，學習主流機器學習、深度學習框架環境的搭建，TensorFlow、Keras、Caffe等。

本模塊重點在于算法的開發實現方面，學習人工智能中的識別技術

通過數字識別和人臉識別、自然語言處理等這些應用極為廣泛的項目開發，深入介紹深度學習的概念，激活函數以及神經網絡基礎，對CNN、RNN進行原理方法和原理學習，卷積層和池化層，圖像特征提取與識別，經典LeNet模型，LSTM，Encoder-Decoder Model等，同時引入自然語言處理方面的內容，包括分詞、題干提取建模等，為不同方向的技術學習構建完整的技能知識圖譜。

從本階段開始，我們的學習重點轉向高級的模型優化算法

在項目開發實現的基礎上進行調優處理，通過學習過程的優化、數據預處理方法、超參數、學習率優化、Batch-Normalization等方法，實現開發算法的優化，完善提升神經網絡的效率和質量，進一步理解算法實現與設計，實現開發工程師提升到算法專家之路。