人工智能(Artificial Intelligence)，是一个以计算机科学（Computer Science）为基础，由计算机、心理学、哲学等多学科交叉融合的交叉学科、新兴学科，研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。

而斯坦福大学（Stanford University，Stanford）、卡内基梅隆大学(Carnegie Mellon University,CMU)、麻省理工学院（Massachusetts Institute of Technology，MIT）这三个学校基本在美国计算机科学人工智能研究生排名中排名前三，也基本上是全球领先的大学。

梦树依据这些学校的经典学习内容开设了对标这些学校人工智能的课程，为今后想要去藤校级学习或为了提升自己计算机专业能力的学生开辟了一条新的学习途径。

初级

掌握机器学习的基本问题定义、基本模型，对机器学习学科有概览性的认识。

了解重要的几种非监督学习算法 (Density-based/Distribution-based/Centroid-based)

学习如何搭建一个合适的训练集/测试集来开始模型训练，了解 Bagging/Boosting 在数据集上的应用。

了解模型的优化流程以及模型过拟合的特征，掌握避免模型过拟合的工具和算法。

中级

了解机器学习模型的核心组件以及多种经典监督学习算法(LR,DT,SVM)的原理和使用场景。

学习如何使用机器学习的损失函数来优化模型以及泛化能力。

掌握模型融合(Model Ensemble)的一些基本算法来进一步提升模型的推理性能。

高级

了解深度学习的演化历史以及主要的组成算法。

学 习 如 何 搭 建 神 经 网 络 ， 掌 握 最 重 要 的 几 种 神 经 网 络 结 构 (Full-connected/Drop-out/Pooling Layer)。

学习神经网络的核心组件，如何定义目标函数/优化器/学习率/最优停止条件。

了解 DL 的几种重要的使用场景和网络算法(图像识别/目标检测/强化学习/联邦学习/自然语言处理/推荐系统/异常检测等)