第一讲、讲解神经网络的计算过程，搭建出你的第一个神经网络模型；

第二讲、讲解神经网络的优化方法，掌握学习率、激活函数、损失函数和正则化的使用，用Python语言写出5种反向传播优化器（SGD、Momentum、Adagrad、RMSProp、Adam）。

第三讲、分享神经网络的搭建八股，用“六步法”， 不到20行代码，写出手写数字识别训练模型。

第四讲、对神经网络的八股进行扩展，增加自制数据集、数据增强，断点续训，参数提取和acc/loss可视化，最后实现给图识物的应用程序。

第五讲、讲解卷积神经网络，用基础CNN、LeNet、AlexNet、VGGNet、InceptionNet和ResNet实现图像识别。

第六讲、讲解循环神经网络，用基础RNN、LSTM、GRU实现股票预测。