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 BouchardMaster 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
