2.機器學習。機器學習的功能是從數據中獲取學習算法，然後解決實際應用問題，這是人工智能的核心內容之壹。本模塊涵蓋了機器學習的主要方法，包括線性回歸、決策樹、支持向量機、聚類等。
3.人工神經網絡。神經網絡作為機器學習的壹個分支，將認知科學引入到機器學習中，模擬生物神經系統對現實世界的交互反應，取得了良好的效果。本模塊涵蓋了神經網絡的基本概念，包括多層神經網絡、前向和反向傳播、自組織神經網絡等。
4.深度學習。簡而言之，深度學習是壹個有多個中間層的神經網絡。數據爆炸，計算能力飆升，推動了深度學習的興起。本模塊涵蓋深度學習的概念和實現，包括深度前饋網絡、深度學習中的正則化、自編碼器等。
5.神經網絡的壹個例子。在深度學習的框架下，壹些神經網絡已經用於各種應用場景，並取得了良好的效果。本模塊涵蓋了神經網絡的幾個例子，包括深度信念網絡、卷積神經網絡和循環神經網絡。
6.超越深度學習的人工智能。深度學習既有優勢也有局限性，其他方向的人工智能研究是有益的補充。該模塊涵蓋了與深度學習無關的典型學習方法，包括概率圖模型、聚類智能、遷移學習、知識圖譜等。
7.應用場景。除了代替人類進行重復性勞動，人工智能在處理很多實際問題上也提供了壹種有意義的嘗試。本模塊涵蓋了人工智能技術在幾個實際任務中的應用，包括計算機視覺、語音處理、對話系統等。