|
23683| 157
|
基于Python玩转人工智能最火框架 TensorFlow应用实践
[复制链接]
|
|
基于Python玩转人工智能最火框架 TensorFlow应用实践
『课程介绍』: 全民人工智能时代，不甘心只做一个旁观者，那就现在开始，从人工智能最流行的框架TensorFlow学起，本课程将手把手带你掌握TensorFlow技术，遵循从基础到实践应用的完整过程，是你通向人工智能开发的首选！ 『课程目录』: 第1章 课程整体介绍 课程背景简介，项目成果演示，知识点和软件简介，让大家对接下来的学习心中有数 1-1 课程整体介绍及导学 第2章 人工智能基础知识 人工智能、神经网络、机器学习、深度学习、激活函数、过拟合、卷积神经网络、循环神经网络等知识的循序渐进讲解。培养大家对课程的兴趣，了解人工智能前景，对人工智能抱持正确态度 2-1 什么是人工智能 2-2 人工智能前景 2-3 人工智能需要的基本数学知识 2-4 人工智能简史 2-5 AI、机器学习和深度学习的关联 2-6 什么是机器学习 2-7 面对AI，我们应有的态度 2-8 什么是过拟合 2-9 什么是深度学习 第3章 TensorFlow简介和开发环境搭建 TensorFlow是什么，TensorFlow原理和前景，TensorFlow和其他框架的对比（例如 Theano，ScikitLearn，Keras，Caffe2，PyTorch等）。开发环境搭建，并提供讲师已经配置好开发环境的虚拟机镜像 3-1 什么是TensorFlow 3-2 TensorFlow和其他机器学习库的对比1 3-3 如何学习TensorFlow 3-4 TensorFlow前景 3-5 如何使用课程提供的虚拟机文件 3-6 安装VirtualBox 3-7 安装Ubuntu 3-8 配置Ubuntu系统 3-9 安装Python 3-10 安装TensorFlow（上） 3-11 安装TensorFLow（下） 3-12 安装Python类库 第4章 TensorFlow原理与进阶（代码实践） TensorFlow核心概念，TensorFlow激励函数，TensorFlow构建神经网络，TensorFlow优化器，可视化利器TensorBoard，TensorFlow解决过拟合，TensorFlow实现卷积神经网络和循环神经网络等。通过生动图文原理解释和实例，循序渐进掌握TensorFlow 4-1 从HelloWorld开始 4-2 TensorFlow的编程模式 4-3 TensorFlow的基础结构 4-4 图和会话 4-5 Python常用库Numpy的使用 4-6 什么是Tensor（上） 4-7 什么是Tensor（下） 4-8 图和会话原理及案例（上） 4-9 图和会话原理及案例（下） 4-10 可视化利器TensorBoard（上） 4-11 可视化利器TensorBoard（下） 4-12 酷炫模拟游乐园PlayGround 4-13 常用Python库Matplotlib 4-14 综合小练习：梯度下降解决线性回归（上） 4-15 综合小练习：梯度下降解决线性回归（中） 4-16 综合小练习：梯度下降解决线性回归（下） 4-17 激活函数（上） 4-18 激活函数（下） 4-19 动手实现CNN卷积神经网络（一） 4-20 动手实现CNN卷积神经网络（二） 4-21 动手实现CNN卷积神经网络（三） 4-22 动手实现CNN卷积神经网络（四） 4-23 动手实现CNN卷积神经网络（五） 4-24 动手实现RNN-LSTM循环神经网络（一）：背景和知识点 4-25 动手实现RNN-LSTM循环神经网络（二）：编写实用方法(上) 4-26 动手实现RNN-LSTM循环神经网络（三）：编写实用方法(中) 4-27 动手实现RNN-LSTM循环神经网络（四）：编写实用方法(下)1 4-28 动手实现RNN-LSTM循环神经网络（四）：编写实用方法(下)2 4-29 动手实现RNN-LSTM循环神经网络（五）：编写神经网络模型(上) 4-30 动手实现RNN-LSTM循环神经网络（六）：编写神经网络模型(中)1 4-31 动手实现RNN-LSTM循环神经网络（六）：编写神经网络模型(中)2 4-32 动手实现RNN-LSTM循环神经网络（七）：编写神经网络模型(下) 4-33 动手实现RNN-LSTM循环神经网络（八）：编写训练方法(上) 4-34 动手实现RNN-LSTM循环神经网络（九）：编写训练方法(下) 4-35 动手实现RNN-LSTM循环神经网络（十）：编写测试方法 4-36 动手实现RNN-LSTM循环神经网络（十一）：实际训练和测试 第5章 案例一 会作曲的人工智能 结合RNN-LSTM开发能作出动听旋律的炫酷人工智能：背景和知识点简介，开发环境配置，原理讲解，代码实现，训练模型和测试 5-1 背景和知识点简介 5-2 音乐和数学的联系 5-3 什么是MIDI文件 5-4 配置开发环境 5-5 编写转换MIDI到MP3的方法 5-6 Python音乐库Music21的使用和测试方法 5-7 编写整个神经网络模型 5-8 编写从训练文件获取音符的方法 5-9 编写从预测数据来生成音乐的方法 5-10 编写训练神经网络的方法（一） 5-11 编写训练神经网络的方法（二） 5-12 编写训练神经网络的方法（三） 5-13 编写神经网络生成音乐的方法（一） 5-14 编写神经网络生成音乐的方法（二） 5-15 纯TensorFlow版的预告 第6章 案例二 会Photoshop的人工智能 结合DCGAN开发会PS的人工智能。从此P图不用愁，分分钟搞定N多图片的创建：背景和知识点简介，开发环境配置，原理讲解，代码实现，训练模型和测试 6-1 背景和知识点简介 6-2 配置开发环境 6-3 什么是GAN(生成对抗网络) 6-4 什么是DCGAN 6-5 编写DCGAN中的判别器模型（上） 6-6 编写DCGAN中的判别器模型（下） 6-7 编写DCGAN中的生成器模型 6-8 编写训练神经网络的方法（上） 6-9 编写训练神经网络的方法（下） 6-10 编写神经网络生成图片的方法 6-11 代码完成和测试模型 6-12 纯TensorFlow版的预告 第7章 案例三 会开3D赛车的人工智能 结合深度强化学习中的A3C实现会开3D赛车的人工智能，学会自动驾驶：背景和知识点简介，开发环境配置，原理讲解，代码实现，训练模型和测试 7-1 背景和知识点简介 7-2 强化学习的经典实验环境 7-3 配置开发环境（1） 7-4 配置开发环境（2） 7-5 什么是强化学习 7-6 什么是Q Learning 7-7 Q-Learning 实现机器人走迷宫：创建环境 7-8 Q-Learning 实现机器人走迷宫：决策算法（1） 7-9 Q-Learning 实现机器人走迷宫：决策算法（2） 7-10 Q-Learning 实现机器人走迷宫：游戏主程序 7-11 Deep Q Learning 实现迷宫游戏：决策算法（1） 7-12 Deep Q Learning 实现迷宫游戏：决策算法（2） 7-13 Deep Q Learning 实现迷宫游戏：决策算法（3） 7-14 Deep Q Learning 实现迷宫游戏：决策算法(4)和主程序 7-15 Policy Gradient 实现 Gym 游戏 7-16 A3C 实现 3D 赛车游戏：成果演示 7-17 A3C实现3D赛车游戏：讲解A3C和编写环境 7-18 A3C实现3D赛车游戏：编写A3C算法和主程序 第8章 知识点总结和课程延展 知识点总结，如何学习一门知识，如何深入人工智能和TensorFlow，如何学习数学和英语，TensorFlow还能做什么，等等。 8-1 总结陈词和补充 8-2 如何学好英语 8-3 如何学好数学 8-4 如何学习一门技术及课程知识点总结 8-5 深入AI和TensorFlow
购买主题
本主题需向作者支付 666 资源币 才能浏览
| |
| ||
| ||
| ||
| ||
|
提示: 作者被禁止或删除 内容自动屏蔽
| |
| ||
| ||
| ||
| ||
小黑屋|资源共享吧 ( 琼ICP备2023000410号-1 )
GMT+8, 2024-11-21 18:42 , Processed in 0.057150 second(s), 16 queries , MemCached On.
发表于 2019-4-15 08:04:32
