通过学习 "机器学习（ML）算法基础的 Python 演示和案例研究 "这一模块，学习者将能够：解释机器学习中的误差，如偏差和方差；深入了解在医疗保健、银行和工业等实时领域中实施 ML 的情况；获得使用 Python 编程语言执行探索性数据分析（EDA）流程的能力；培养为预测肺癌疾病建立 ML 算法模型的技能

在本模块 "使用 Python 演示无监督和 Reinforcement 机器学习算法 "结束时，学员将能够通过演示为 K-means 聚类算法建模；开发一个在数据集上使用 DBSCAN 聚类的应用演示；演示 COBOT 在工业自动化中的应用。

在本模块 "神经网络（文本分析）原理与成功演示 "结束时，学习者将能够：使用 MLP 和 CNN 演示数字识别；开发 Python 程序以识别 ML 模型中的过拟合和欠拟合问题；使用 WEKA 工具开发一个 ML Network。

在本模块 "深度学习网络的高级应用 "结束时，学习者将能够识别深度学习模型中的消失梯度和不稳定梯度问题；应用 DL 检测蕉叶病；应用 CNN 检测肺炎；建立基于 CNN 的高级 ML 系统模型以识别图像

通过本模块 "采用 AI 和边缘计算的 IoT "的学习，学习者将能够了解 TinyML 系统的工作原理；识别压缩技术的需求；解读基于 High Computing Machine 的边缘架构；学习 Arduino IDE 的功能和在 Arduino Nano BLE 开发板上编程