1，機器學習中的Python
Python環境構建及其基本語法學習；熟悉列表元組等基本概念和python函數的形式；Python的IO操作；Python中類的使用介紹；Python用例子解釋了機器學習領域的經典算法、模型和任務。
2.人工智能的數學基礎
熟悉數學中的符號表示；了解函數導數和鏈導數的規律；理解數學中函數的概念；熟悉矩陣相關概念和數學表示。
3.機器學習的概念和介紹
了解人工智能涉及的相關概念；了解如何獲取數據和特征工程；熟悉數據預處理方法；了解模特培訓流程；熟悉熊貓的使用；解除可視化過程的復雜性；熊貓使用說明；圖形繪制。
4.機器學習的數學基礎——數學分析
掌握和理解人工智能技術的底層數學理論支持；介紹概率論、矩陣和凸優化、相應的算法設計和原理；凸優化理論，流優化手段SGD，牛頓法等優化方法。
5.深度學習框架TensorFlow。
理解和學習變量作用域和變量命名；構建多層神經網絡，完成優化。
人工智能訓練器的任務
1，標註和處理圖片、文字、聲音等服務的原始數據；
2.對專業領域的特點進行分析提煉，對人工智能產品的相關算法、功能、性能進行培訓和評估；
3.設計人工智能產品的交互流程和應用解決方案；
4.監控、分析和管理人工智能產品的應用數據；
5.調整優化人工智能產品的參數和配置。