TensorFlow 2.0项目实战视频教程(十个练手项目)

课程介绍:

人工智能(AI)革命来了,TensorFlow2.0终于来了,让它更快地发生!TensorFlow2.0是谷歌最近发布的强大的开源平台,用于在实践中构建和部署人工智能模型。

人工智能技术正经历指数级增长,并被广泛应用于医疗、国防、银行、游戏、交通和机器人行业。本课程的目的是为学生提供使用TensorFlow 2.0和Google Colab构建、训练、测试和部署人工神经网络和深度学习模型的实用知识。

本课程为学生提供实际的实践经验,以训练人工神经网络和卷积神经网络使用真实世界的数据集使用TensorFlow 2.0和谷歌Colab。本课程以实用的方式涵盖了几种技术,项目包括但不限于:

(1) 训练前馈人工神经网络来执行回归任务,如销售/收入预测和房价预测

(2) 在医学领域开发人工神经网络来执行分类任务,如糖尿病检测。

(3) 训练深度学习模型完成人脸检测、时尚分类、交通标志分类等图像分类任务。

(4) 开发人工智能模型来进行情绪分析和分析客户评论。

(5) 执行人工智能模型可视化,并使用张力板评估其性能

(6) 使用Tensorflow 2.0在实践中部署AI模型

本课程的目标是希望对如何在TensorFlow2.0中构建和部署模型有基本了解的学生。介绍编程的基本知识。然而,这些主题将在早期课程讲座中广泛涵盖;因此,本课程没有任何先决条件,对任何具有基本编程知识的学生开放。参加本课程的学生将掌握人工智能和深度学习技术,并可以直接应用这些技能,使用谷歌新推出的TensorFlow 2.0解决现实世界中具有挑战性的问题。

h264, yuv420p, 1280×720 |ENGLISH, aac, 44100 Hz, 2 channels | 11h 43 mn | 6.58 GB
Created by: Dr. Ryan Ahmed, Ph.D., MBA, Kirill Eremenko, Hadelin de Ponteves, SuperDataScience Team, Mitchell Bouchard

Master Tensorflow 2.0, Google’s most powerful Machine Learning Library, with 10 practical projects

你将学到什么:

  • 掌握谷歌最新发布的TensorFlow2.0来构建、训练、测试和部署人工神经网络(ANN)模型。
  • 学习如何开发ANNs模型,并在Google的Colab中训练它们,同时利用gpu和tpu的强大功能。
  • 使用TensorFlow2.0在实践中部署ANNs模型。
  • 学习如何可视化模型图形和评估他们的表现在训练期间使用张力板。
  • 了解人工神经网络和卷积神经网络(CNNs)背后的基本理论和数学。
  • 学习如何训练网络权值和偏差,选择合适的传递函数。
  • 使用反向传播和梯度下降方法训练人工神经网络。
  • 优化神经网络的超参数,如隐层数和神经元数,以提高网络性能。
  • 应用人工神经网络执行回归任务,如房价预测和销售/收入预测。
  • 使用KPI(关键性能指标)评估回归任务的训练ANN模型的性能,如平均绝对误差、均方误差、均方根误差、R平方和调整R平方。
  • 使用关键绩效指标(如准确度、精确度和召回率)评估训练后的神经网络模型在分类任务中的性能。
  • 应用卷积神经网络对图像进行分类。

实际项目示例:

  • 项目1:训练简单的人工神经网络将摄氏温度读数转换为华氏温度
  • 项目2(练习):训练前馈神经网络预测收入/销售额
  • 项目3:作为一名房地产顾问,利用人工神经网络预测房价(回归任务)
  • 项目4(练习):作为企业主,预测自行车租赁使用情况(回归任务)
  • 项目5:在医学领域开发人工神经网络来执行分类任务,如糖尿病检测(分类任务)
  • 项目6:开发人工智能模型来执行情绪分析和分析在线客户评论。
  • 项目7:训练LeNet深度学习模型进行交通标志分类。
  • 项目8:培训CNN进行时尚分类
  • 项目9:训练CNN使用Cifar-10数据集进行图像分类
  • 项目10:使用TF服务部署深度学习图像分类模型

原文链接:https://vuesite.cn/15699.html,转载请注明出处。
0
显示验证码
没有账号?注册  忘记密码?