第1章 课程整体介绍
1-1 课程整体介绍及导学 (16:24)
第2章 人工智能基础知识
2-1 什么是人工智能 (04:48)
2-2 人工智能前景 (05:26)
2-3 人工智能需要的基本数学知识 (01:57)
2-4 人工智能简史 (07:47)
2-5 AI、机器学习和深度学习的关联 (02:32)
2-6 什么是机器学习 (19:05)
2-7 面对AI，我们应有的态度 (05:16)
2-8 什么是过拟合 (07:05)
2-9 什么是深度学习 (11:08)
第3章 TensorFlow简介和开发环境搭建
3-1 什么是TensorFlow (10:13)
3-2 TensorFlow和其他机器学习库的对比1 (26:46)
3-3 如何学习TensorFlow (11:42)
3-4 TensorFlow前景 (03:59)
3-5 如何使用课程提供的虚拟机文件 (07:15)
3-6 安装VirtualBox (02:41)
3-7 安装Ubuntu (15:29)
3-8 配置Ubuntu系统 (05:46)
3-9 安装Python (04:02)
3-10 安装TensorFlow（上） (10:42)
3-11 安装TensorFLow（下） (05:47)
3-12 安装Python类库 (01:20)
第4章 TensorFlow原理与进阶（代码实践）
4-1 从HelloWorld开始 (05:41)
4-2 TensorFlow的编程模式 (02:55)
4-3 TensorFlow的基础结构 (02:37)
4-4 图和会话 (05:09)
4-5 Python常用库Numpy的使用 (11:39)
4-6 什么是Tensor（上） (17:59)
4-7 什么是Tensor（下） (16:26)
4-8 图和会话原理及案例（上） (15:58)
4-9 图和会话原理及案例（下） (11:47)
4-10 可视化利器TensorBoard（上） (18:42)
4-11 可视化利器TensorBoard（下） (17:52)
4-12 酷炫模拟游乐园PlayGround (10:25)
4-13 常用Python库Matplotlib (16:32)
4-14 综合小练习：梯度下降解决线性回归（上） (15:57)
4-15 综合小练习：梯度下降解决线性回归（中） (11:38)
4-16 综合小练习：梯度下降解决线性回归（下） (13:01)
4-17 激活函数（上） (10:50)
4-18 激活函数（下） (05:35)
4-19 动手实现CNN卷积神经网络（一） (16:16)
4-20 动手实现CNN卷积神经网络（二） (19:03)
4-21 动手实现CNN卷积神经网络（三） (17:53)
4-22 动手实现CNN卷积神经网络（四） (12:39)
4-23 动手实现CNN卷积神经网络（五） (15:50)
4-24 动手实现RNN-LSTM循环神经网络（一）：背景和知识点 (26:43)
4-25 动手实现RNN-LSTM循环神经网络（二）：编写实用方法(上) (11:27)
4-26 动手实现RNN-LSTM循环神经网络（三）：编写实用方法(中) (12:23)
4-27 动手实现RNN-LSTM循环神经网络（四）：编写实用方法(下)1 (08:28)
4-28 动手实现RNN-LSTM循环神经网络（四）：编写实用方法(下)2 (08:17)
4-29 动手实现RNN-LSTM循环神经网络（五）：编写神经网络模型(上) (16:48)
4-30 动手实现RNN-LSTM循环神经网络（六）：编写神经网络模型(中)1 (10:10)
4-31 动手实现RNN-LSTM循环神经网络（六）：编写神经网络模型(中)2 (12:42)
4-32 动手实现RNN-LSTM循环神经网络（七）：编写神经网络模型(下) (10:27)
4-33 动手实现RNN-LSTM循环神经网络（八）：编写训练方法(上) (14:30)
4-34 动手实现RNN-LSTM循环神经网络（九）：编写训练方法(下) (11:51)
4-35 动手实现RNN-LSTM循环神经网络（十）：编写测试方法 (14:40)
4-36 动手实现RNN-LSTM循环神经网络（十一）：实际训练和测试 (07:29)
第5章 案例一 会作曲的人工智能
5-1 背景和知识点简介 (14:14)
5-2 音乐和数学的联系 (06:56)
5-3 什么是MIDI文件 (08:15)
5-4 配置开发环境 (04:04)
5-5 编写转换MIDI到MP3的方法 (08:42)
5-6 Python音乐库Music21的使用和测试方法 (11:30)
5-7 编写整个神经网络模型 (40:53)
5-8 编写从训练文件获取音符的方法 (15:39)
5-9 编写从预测数据来生成音乐的方法 (16:15)
5-10 编写训练神经网络的方法（一） (19:53)
5-11 编写训练神经网络的方法（二） (19:32)
5-12 编写训练神经网络的方法（三） (19:43)
5-13 编写神经网络生成音乐的方法（一） (18:27)
5-14 编写神经网络生成音乐的方法（二） (26:28)
5-15 纯TensorFlow版的预告 (02:18)
第6章 案例二 会Photoshop的人工智能
6-1 背景和知识点简介 (04:18)
6-2 配置开发环境 (05:26)
6-3 什么是GAN(生成对抗网络) (05:44)
6-4 什么是DCGAN (06:44)
6-5 编写DCGAN中的判别器模型（上） (13:10)
6-6 编写DCGAN中的判别器模型（下） (13:45)
6-7 编写DCGAN中的生成器模型 (09:17)
6-8 编写训练神经网络的方法（上） (15:37)
6-9 编写训练神经网络的方法（下） (13:39)
6-10 编写神经网络生成图片的方法 (15:30)
6-11 代码完成和测试模型 (09:28)
6-12 纯TensorFlow版的预告 (02:18)
第7章 案例三 会开3D赛车的人工智能
7-1 背景和知识点简介 (08:59)
7-2 强化学习的经典实验环境 (18:27)
7-3 配置开发环境（1） (15:08)
7-4 配置开发环境（2） (19:54)
7-5 什么是强化学习 (19:45)
7-6 什么是Q Learning (04:13)
7-7 Q-Learning 实现机器人走迷宫：创建环境 (12:40)
7-8 Q-Learning 实现机器人走迷宫：决策算法（1） (16:48)
7-9 Q-Learning 实现机器人走迷宫：决策算法（2） (10:11)
7-10 Q-Learning 实现机器人走迷宫：游戏主程序 (12:25)
7-11 Deep Q Learning 实现迷宫游戏：决策算法（1） (15:34)
7-12 Deep Q Learning 实现迷宫游戏：决策算法（2） (14:34)
7-13 Deep Q Learning 实现迷宫游戏：决策算法（3） (14:24)
7-14 Deep Q Learning 实现迷宫游戏：决策算法(4)和主程序 (12:31)
7-15 Policy Gradient 实现 Gym 游戏 (15:30)
7-16 A3C 实现 3D 赛车游戏：成果演示 (13:09)
7-17 A3C实现3D赛车游戏：讲解A3C和编写环境 (14:51)
7-18 A3C实现3D赛车游戏：编写A3C算法和主程序 (16:18)
第8章 知识点总结和课程延展
8-1 总结陈词和补充 (07:32)
8-2 如何学好英语 (07:30)
8-3 如何学好数学 (06:51)
8-4 如何学习一门技术及课程知识点总结 (11:05)
8-5 深入AI和TensorFlow (06:15)
