☆ 1、如有部分内容理解不透或消化不好，可免费在以后培训班中重听；
      ☆ 2、在课程结束之后,授课老师会留给学员手机和E-mail,免费提供半年的课程技术支持，以便保证培训后的继续消化；
      ☆3、合格的学员可享受免费推荐就业机会。
      ☆4、合格学员免费颁发相关工程师等资格证书，提升您的职业资质。

1、基础知识

线性代数基础

概率与数理统计基础

微积分基础

Python基础

2、常用机器学习算法：

决策树算法

随机森林算法

朴素贝叶斯算法

逻辑回归算法

SVM算法

K­-mean算法

异常URL分类实战

算法优化技术

3、深度学习基础

神经网络

稀疏性

自编码器

手写体识别实战

验证码安全级别介绍

验证码识别实战

4、卷积神经网络（CNN）

卷积算法

池化

PCA

One-Hot

图像识别实战

僵尸网络与DDOS

CNN僵尸网络识别实战

5、递归神经网络（RNN）

递归神经网络算法

LSTM与梯度消失

Attention机制

文本情景分析实战

传统垃圾邮件解决方案

RNN实现垃圾邮件分类实战

6、最新深度学习进展

增强学习（RL）算法介绍

对抗学习（GAN）算法介绍

网络安全与机器学习研究方向介绍
第1章: 基础知识
第1节: 课程介绍
1 : 课程介绍

1： 机器学习课件和作业.rar
第2节: 开发环境
2 : 开发环境

第3节: 数学
3 : 线性代数

4 : 概率学基础

5 : 信息论基础

第4节: Python基础
6 : Python基础

7 : 面向对象

第5节: 数学实验实践
8 : 数学实验实战

第2章: 常用机器学习算法
第1节: 数据分析
9 : numpy

10 : pandas

第2节: 机器学习
11 : 机器学习

第3节: 实战项目
12 : miniPJ1

13 : miniPJ2

第3章: 深度学习基础
14 : 深度神经网络

15 : 稀疏自编码

16 : softmax

17 : 项目一-miniPJ1

18 : 项目二-miniPJ2

19 : 项目三-miniPJ2

20 : 项目四-miniPJ2

第4章: 卷积神经网络
21 : 卷积网络-上

22 : 卷积网络-中

23 : 卷积TF编程

24 : 实践

25 : alex_net

26 : vggnet

27 : InceplionV1

28 : InceplionV2

29 : InceplionV3

30 : resnet-V1

31 : resnet-V2

32 : mini_Project

33 : mini_Project

34 : mini_Project

第5章: 递归神经网络
35 : 递归神经网络

36 : Word2Vec