人工智能学习平台涵盖的知识点包括：机器学习、深度学习、神经网络、自然语言处理、计算机视觉、强化学习等。机器学习是人工智能的重要分支，主要研究如何让计算机系统通过经验改善性能。深度学习是一种机器学习的方法，通过模拟人脑神经元之间的连接来实现对大规模数据的学习和模式识别。
人工智能学习平台还涵盖神经网络技术，神经网络模拟人脑神经元之间的连接，能够处理复杂的非线性关系和大规模数据。自然语言处理是指让计算机能够理解、处理和生成自然语言的技术。计算机视觉是让计算机能够“看”的技术，包括图像识别、目标检测、人脸识别等。
在人工智能学习平台中，还会涉及到强化学习，这是一种通过试错来学习和优化决策的方法，不断与环境交互以获得最大的累积奖励。另外，还会学习到各种算法和技术，如支持向量机、决策树、聚类分析、回归分析等，这些技术在人工智能领域有着广泛的应用。
人工智能学习平台还包括了数据处理和数据挖掘技术，这是在人工智能领域中必不可少的一部分。数据处理技术包括数据清洗、数据转换、数据集成等，数据挖掘技术则包括分类、聚类、关联规则挖掘等。数据挖掘可以从海量数据中发现隐藏的模式和规律，为决策提供支持。
此外，人工智能学习平台还会涉及到一些工具和框架的学习，如TensorFlow、PyTorch、Scikit-learn等，这些工具和框架提供了丰富的函数库和接口，方便开发者进行人工智能模型的搭建和训练。
最后，人工智能学习平台还会涉及到一些实践案例和项目实战，通过实际的项目应用可以更好地理解和掌握人工智能的各种技术和方法，提升解决实际问题的能力。