├─01.深度学习概述
│      01_01.走进深度学习
│      01_02.神经网络
│      01_03.TensorFlow介绍
│      01_04.Bp案例
│      01_05.神经网络实现线性回归
│      01_06.神经网络实现手写数字识别
│      
├─02.CNN卷积神经网络
│      02_01.什么是CNN
│      02_02.CNN结构设计
│      02_03.CNN典型结构分析
│      02_04.CNN案例
│      02_05.修改案例使用alexnet
│      02_06.调用别人的VGG模型做预测
│      02_07.总结
│      
├─03.RNN循环神经网络
│      03_01.RNN概述
│      03_02.RNN实例-验证码识别
│      03_03.RNN实例-邮件分类
│      
├─04.总结
│      04_01.深度学习总结
│      
├─05.推荐系统
│      05_01.机器学习部署方式回顾
│      05_02.推荐系统概述及推荐系统效果评估方式讲解
│      05_03.协同过滤之基于用户最近邻推荐方式讲解
│      05_04.协同过滤之基于用户最近邻推荐案例过程讲解
│      05_05.协同过滤之基于物品最近邻推荐原理及案例过程讲解
│      05_06.协同过滤之最近邻算法总结一
│      05_07.协同过滤之最近邻算法总结二
│      05_08.协同过滤之SVD矩阵分解及关联规则推荐方式讲解
│      05_09.基于内存的推荐系统讲解
│      05_10.基于知识的推荐系统讲解
│      05_11.混合推荐系统及推荐系统攻击讲解
│      05_12.推荐系统框架介绍及python-recsys简单讲解
│      05_13.SparkMLlib相关知识概述
│      05_14.SparkMLlib开发环境搭建
│      05_15.SparkMLlib案例一：基于豆瓣电影评分数据的协同过滤算法推荐
│      
└─06.推荐系统&数据挖掘&人工智能
        06_01.推荐系统知识回顾
        06_02.协同过滤之基于物品最近邻算法SparkCore代码实现一
        06_03.协同过滤之基于物品最近邻算法SparkCore代码实现二
        06_04.协同过滤之基于物品最近邻算法SparkCore代码实现三
        06_05.协同过滤之基于物品最近邻算法SparkCore代码实现四
        06_06.Mahout推荐算法实现API讲解一
        06_07.Mahout推荐算法实现API讲解二
        06_08.Mahout推荐算法实现API讲解三
        06_09.Mahout推荐算法实现API讲解四
        06_10.Mahout推荐算法实现API讲解五
        06_11.数据挖掘基本概念讲解
        06_12.关联规则算法逻辑讲解
        06_13.关联规则算法SparkCore代码实现讲解
        06_14.人工智能总结