该篇差不多是人工智能深度学习这块的一个总体梗概，看完应该会很有收获，文章语言风格总体浅显易懂，建议阅读完
推荐一些不错的文章，本文很多内容是从下面抽取出来的，每篇都值得好好读一读
深度学习入门-卷积神经网络（一）卷积层
池化层详细介绍
机器学习的两次浪潮——浅层学习和深度学习
拟合与过度拟合
CNN（卷积层convolutional layer，激励层activating layer，池化层pooling，全连接层fully connected）
求求下面你两篇一定要看：
神经网络激活函数的作用和原理？有没有形象解释？
通俗易懂谈强化学习
蒙特卡洛树搜索（新手教程）
生成对抗网络（GAN）
鲁棒性
机器学习（14）——朴素贝叶斯算法思想：基于概率的预测贝叶斯公式朴素贝叶斯算法示例：文本数据分类
一文读懂目标检测：R-CNN、Fast R-CNN、Faster R-CNN、YOLO、SSD
YOLO框架简述
一文搞懂RNN（循环神经网络）基础篇

模块一 浅层学习与深度学习实质

模块二 卷积神经网络CNN

模块二-1 卷积神经网络CNN 卷积层（相当于特征提取层，提取出来的叫特征图）

模块二-2 模块填充（padding）

模块二-3 步幅（stride）

模块二-4 偏置

模块二-5 批处理（batch_num）

模块二-6 池化（pooling：最大池化或平均池化&池化的反向传播）

模块二-7 过拟合

模块二-8 激励层&激励函数

模块三 模糊处理

模块三-1 隶属

模块三-2 模糊集合表示

模块三-3 模糊集合运算

模块四 强化学习

模块四-1 强化学习是独立于监督、无监督、半监督以外的反馈学习方式

模块四-2 强化学习难点

模块四-3 Q-Learning

模块四-4 Deep Q Learning（Alpha Go原理）

模块五 对抗神经网络

模块六 文本分析-朴素贝叶斯

模块七 目标检测R-CNN、Fast R-CNN、Faster-RCNN、Yolo V1、Yolo V2、Yolo V3