          深度學(xué)習(xí)應(yīng)用開發(fā)-TensorFlow培訓(xùn)

課程導(dǎo)學(xué)

開篇語

課程安排

第一講 人工智能導(dǎo)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(xué)習(xí)簡介及開發(fā)環(huán)境搭建

人工智能、機(jī)器學(xué)習(xí)與深度學(xué)習(xí)

深度神經(jīng)網(wǎng)路與深度學(xué)習(xí)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(yùn)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(jì)

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(yùn)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(shí)戰(zhàn)

監(jiān)督式機(jī)器學(xué)習(xí)的基本術(shù)語

線性回歸問題TensorFlow實(shí)戰(zhàn)：初步

線性回歸問題TensorFlow實(shí)戰(zhàn)：進(jìn)階

（新）線性回歸問題：TensorFlow 2 實(shí)踐

作業(yè)2：通過生成人工數(shù)據(jù)集合，基于TensorFlow實(shí)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(jià)預(yù)測問題TesnsorFlow實(shí)戰(zhàn)

波士頓房價(jià)預(yù)測：數(shù)據(jù)與問題分析

機(jī)器學(xué)習(xí)中的線性代數(shù)基礎(chǔ)（根據(jù)基礎(chǔ)選修）

第一個(gè)版本的模型構(gòu)建

后續(xù)版本的持續(xù)改進(jìn)

（新）波士頓房價(jià)預(yù)測問題：TensorFlow 2 實(shí)踐

作業(yè)3：波士頓房價(jià)預(yù)測線性回歸實(shí)踐

第七講 MNIST手寫數(shù)字識(shí)別：分類應(yīng)用入門

MNIST手寫數(shù)字識(shí)別數(shù)據(jù)解讀

分類模型構(gòu)建與訓(xùn)練

（新）MNIST手寫數(shù)字識(shí)別：TensorFlow 2.0 實(shí)踐

作業(yè)4：FashionMNIST圖像識(shí)別問題的神經(jīng)元模型實(shí)踐

第八講 MNIST手寫數(shù)字識(shí)別進(jìn)階：多層神經(jīng)網(wǎng)絡(luò)與應(yīng)用

單隱藏層神經(jīng)網(wǎng)絡(luò)構(gòu)建與應(yīng)用

多層神經(jīng)網(wǎng)絡(luò)建模與模型的保存還原

TensorBoard進(jìn)階與TensorFlow游樂場

（新）MNIST手寫數(shù)字識(shí)別進(jìn)階：TensorFlow 2.0實(shí)現(xiàn)

作業(yè)5：Fashion-MNIST圖像識(shí)別問題的多層神經(jīng)網(wǎng)絡(luò)模型實(shí)踐

第九講 泰坦尼克號(hào)旅客生存預(yù)測：Keras應(yīng)用實(shí)踐

泰坦尼克號(hào)旅客生存預(yù)測案例分析與數(shù)據(jù)處理

Keras建模與應(yīng)用

Keras模型訓(xùn)練過程中數(shù)據(jù)存儲(chǔ)與模型恢復(fù)

第十講 圖像識(shí)別問題：卷積神經(jīng)網(wǎng)絡(luò)與應(yīng)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(duì)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(shí)現(xiàn)

（新）CIFAR10圖像分類:TensorFlow2實(shí)現(xiàn)

作業(yè)6：CIFAR10案例卷積神經(jīng)網(wǎng)絡(luò)實(shí)踐

第十一講 Deep Dream：理解深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及應(yīng)用

Deep Dream：計(jì)算機(jī)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(qiáng)

Inception模型文件導(dǎo)入與卷積層分析

Deep Dream圖像生成

（新）Deep Dream圖像生成：TensorFlow2實(shí)現(xiàn)

作業(yè)7：Deep Dream圖像生成的實(shí)踐

第十二講 電影評(píng)論情感分析：自然語言處理應(yīng)用實(shí)踐

電影評(píng)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(píng)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(yīng)用

第十三講 貓狗大戰(zhàn)：遷移學(xué)習(xí)及應(yīng)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(xué)習(xí)模型構(gòu)建與應(yīng)用

TFRecord文件與應(yīng)用

第十四講（高階選修） 生成式對(duì)抗網(wǎng)絡(luò)原理及Tensorflow實(shí)現(xiàn)

生成式對(duì)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(shí)別：TensorFlow.js應(yīng)用開發(fā)

TensorFlow.js介紹和第一個(gè)web程序

IDE和第一個(gè)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(shí)別App：TensorFlow Lite與移動(dòng)應(yīng)用開發(fā)

TensorFlow Lite介紹和優(yōu)勢特點(diǎn)

花卉識(shí)別：TFLite模型重訓(xùn)練和模型轉(zhuǎn)換

花卉識(shí)別：安卓App運(yùn)行TFLite