本教程紧贴数字技术人员职业活动特点，定位于全国平均水平，且是相关数字技术人员经过继续教育或岗位实践能够达到的水平，突出该职业领城的核心理论知识、主流技术及未来发展要求，为教学活动和培训考核提供规范和引导，将帮助广大有意或正在从事数字技术职业人员改善知识结构、掌握数字技术、提升创新能力。

第一章 数学基础部分
第一节 微积分与人工智能
第二节 概率统计与人工智能
第三节 线性代数与人工智能
第二章 算法设计与分析
第一节 算法导论与基础
第二节 分治策略
第三节 排序算法
第四节 图算法
第五节 动态规划
第三章 数据处理知识
第一节 数据收集
第二节 数据预处理
第三节 数据标注基础
第四章 软件工程部分
第一节 软件工程概述
第二节 软件需求
第三节 软件设计
第四节 软件构造
第五节 软件测试
第六节 软件运行与维护
第七节 软件项目管理
第五章 计算平台知识
第一节 计算平台概述
第二节 人工智能计算平台
第三节 人工智能计算平台建设
第六章 机器学习基本算法
第一节 机器学习概论
第二节 监督学习
第三节 无监督学习
第四节 半监督学习
第五节 强化学习
第七章 深度学习基础算法
第一节 深度学习导论
第二节 深度神经网络
第三节 深度学习调优技巧
第四节 卷积神经网络
第五节 循环和递归网络
第六节 深度生成模型
第八章 深度学习框架
第一节 深度学习框架及环境搭建
第二节 深度学习模型训练方式
第三节 深度学习服务平台和工具组件
第四节 深度学习行业实战案例
第九章 人工智能安全
第一节 人工智能安全问题
第二节 人工智能安全的要素
第三节 解决安全问题的策略
第十章 人工智能相关的法律与政策
第一节 人工智能发展的法律和政策支持
第二节 人工智能的法律规制
第三节 人工智能的法律应用
第十一章 人工智能伦理
第一节 人工智能与伦理概述
第二节 人工智能的主要伦理问题
第三节 人工智能伦理治理
参考文献
后记