課程大綱： 深度學習應用開發(fā)-TensorFlow培訓
課程導學
開篇語
課程安排
第一講 人工智能導論
人工智能 未來已來？
人工智能 未來已來！
人工智能發(fā)展史 跌宕起伏的60+年
第二講 深度學習簡介及開發(fā)環(huán)境搭建
人工智能、機器學習與深度學習
深度神經(jīng)網(wǎng)路與深度學習框架
Anaconda和TensorFlow開發(fā)環(huán)境搭建
第三講（根據(jù)基礎(chǔ)選修） 工欲善其事必先利其器：簡明Python基礎(chǔ)
引言、輸出語句Print、變量、數(shù)據(jù)類型和基本運算
字符串、列表、元組、集合、字典、格式化輸出和類型轉(zhuǎn)換
程序結(jié)構(gòu)與控制語句
測試1：Python基礎(chǔ)測試
作業(yè)1：Python小作業(yè) 小說詞頻統(tǒng)計
第四講 磨刀不誤砍柴工：TensorFlow 編程基礎(chǔ)
TensorFlow的基礎(chǔ)概念
TensorFlow的基本運算
TensorBoard可視化初步
（新）TensorFlow 2.0 編程基礎(chǔ)
測試2：Tensorflow編程基礎(chǔ)單元測試
第五講 單變量線性回歸：TesnsorFlow實戰(zhàn)
監(jiān)督式機器學習的基本術(shù)語
線性回歸問題TensorFlow實戰(zhàn)：初步
線性回歸問題TensorFlow實戰(zhàn)：進階
（新）線性回歸問題：TensorFlow 2 實踐
作業(yè)2：通過生成人工數(shù)據(jù)集合，基于TensorFlow實現(xiàn)y=3.1234*x+2.98線性回歸
第六講 多元線性回歸：波士頓房價預測問題TesnsorFlow實戰(zhàn)
波士頓房價預測：數(shù)據(jù)與問題分析
機器學習中的線性代數(shù)基礎(chǔ)（根據(jù)基礎(chǔ)選修）
第一個版本的模型構(gòu)建
后續(xù)版本的持續(xù)改進
（新）波士頓房價預測問題：TensorFlow 2 實踐
作業(yè)3：波士頓房價預測線性回歸實踐
第七講 MNIST手寫數(shù)字識別：分類應用入門
MNIST手寫數(shù)字識別數(shù)據(jù)解讀
分類模型構(gòu)建與訓練
（新）MNIST手寫數(shù)字識別：TensorFlow 2.0 實踐
作業(yè)4：FashionMNIST圖像識別問題的神經(jīng)元模型實踐
第八講 MNIST手寫數(shù)字識別進階：多層神經(jīng)網(wǎng)絡(luò)與應用
單隱藏層神經(jīng)網(wǎng)絡(luò)構(gòu)建與應用
多層神經(jīng)網(wǎng)絡(luò)建模與模型的保存還原
TensorBoard進階與TensorFlow游樂場
（新）MNIST手寫數(shù)字識別進階：TensorFlow 2.0實現(xiàn)
作業(yè)5：Fashion-MNIST圖像識別問題的多層神經(jīng)網(wǎng)絡(luò)模型實踐
第九講 泰坦尼克號旅客生存預測：Keras應用實踐
泰坦尼克號旅客生存預測案例分析與數(shù)據(jù)處理
Keras建模與應用
Keras模型訓練過程中數(shù)據(jù)存儲與模型恢復
第十講 圖像識別問題：卷積神經(jīng)網(wǎng)絡(luò)與應用
從全連接神經(jīng)網(wǎng)絡(luò)到卷積神經(jīng)網(wǎng)絡(luò)：解決參數(shù)太多的問題
卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)
TensorFlow對卷積神經(jīng)網(wǎng)絡(luò)的支持
CIFAR-10圖像分類案例的TensorFlow卷積神經(jīng)網(wǎng)絡(luò)實現(xiàn)
（新）CIFAR10圖像分類:TensorFlow2實現(xiàn)
作業(yè)6：CIFAR10案例卷積神經(jīng)網(wǎng)絡(luò)實踐
第十一講 Deep Dream：理解深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及應用
Deep Dream：計算機生成夢幻圖像
經(jīng)典深度神經(jīng)網(wǎng)絡(luò)與數(shù)據(jù)增強
Inception模型文件導入與卷積層分析
Deep Dream圖像生成
（新）Deep Dream圖像生成：TensorFlow2實現(xiàn)
作業(yè)7：Deep Dream圖像生成的實踐
第十二講 電影評論情感分析：自然語言處理應用實踐
電影評論情感分析案例與IMDB數(shù)據(jù)集
自然語言處理基礎(chǔ)
電影評論情感分析數(shù)據(jù)處理及建模
循環(huán)神經(jīng)網(wǎng)絡(luò)及其應用
第十三講 貓狗大戰(zhàn)：遷移學習及應用
貓狗大戰(zhàn)案例介紹
tf.data.Dataset數(shù)據(jù)集
基于VGG16的遷移學習模型構(gòu)建與應用
TFRecord文件與應用
第十四講（高階選修） 生成式對抗網(wǎng)絡(luò)原理及Tensorflow實現(xiàn)
生成式對抗網(wǎng)絡(luò)（GAN）的簡介
利用GAN生成Fashion-MNIST圖像
利用CGAN生成Fashion-MNIST圖像
第十五講（高階選修） 鳶尾花品種識別：TensorFlow.js應用開發(fā)
TensorFlow.js介紹和第一個web程序
IDE和第一個TensorFlow.js程序
TensorFlow.js的核心概念和API介紹
鳶尾花分類案例構(gòu)建
第十六講（高階選修） 花卉識別App：TensorFlow Lite與移動應用開發(fā)
TensorFlow Lite介紹和優(yōu)勢特點
花卉識別：TFLite模型重訓練和模型轉(zhuǎn)換
花卉識別：安卓App運行TFLite
加入高級會員獲得助教答疑
