1：TensorFlow系统介绍

2：环境准备、安装以及常用库介绍

3：TensorFlow的计算图与Session会话

4：Tensor与变量

5：TensorBoard可视化

1：Kaggle平台介绍

2：Titanic题目介绍

3：数据读入以及预处理

4：构建计算图、构建训练迭代过程

6：执行训练、存储模型、预测分析

1：图像识别难题

2：CNNs的层架架构

3：卷积计算与池化运算

4：ReLU与Dropout

5：CNNs技巧总结

1：MNIST 数据集介绍

2：图片读入与预处理

3：网络层的构建

4：模型保存与训练

5：结果分析，知识总结

1：文本理解和文本生成问题

2：标准RNN模型

3：BPTT算法讲解

4：灵活的RNN结构

5：TensorFlow实现正弦序列预测

1：长期以来的难题

2：LSTM基本原理

3：TensorFlow构建LSTM模型

4：双向循环神经网络介绍

5：深度循环神经网络

1：NGram语言模型

2：神经网络语言模型

3：循环神经网络语言模型

4：语言模型写代码

5：模型改进与总结

1：基于规则的对话系统

2：基于检索的对话系统

3：基于生成模型

4：基于seq2seq的对话机器人

5：模型生成、训练、分析结果

1：Over和Faster R-CNN图像检测算法介绍

2：遮挡目标图像检测方法

3：Relnspect算法实现和模块说明

4：ReInspect算法实现数据与结论

5：图像摘要问题

6：NIC图像摘要生成算法

1：梯度下降算法

2：RMSProp优化算法

3：Adam优化算法

4：softmax类别采样损失函数

5：噪声对比估计类别采样损失函数

6：负采样估计类别采样损失函数

7：类别采样logistic损失函数