MP4 | 视频：h264，1280×720 | 音频：AAC，44.1 KHz，2通道
类型：电子学习| 语言：英语| 时长：66个讲座（3小时42分钟）| 大小：1.92 GB
您将学到什么
训练数据集模型并开发Android应用程序
全面理解机器学习，深度学习和神经网络
学习Python编程语言的基础知识
学习流行的机器学习库，例如Numpy，Pandas和Matplotlib
学习Tensorflow 2.0的基础知识
了解Tensorflow Lite
生成Tensorflow Lite模型Keras模型，保存的模型，具体功能
训练和部署分类和回归模型
训练识别模型并为这些模型创建Android应用程序
要求
Android开发
基础知识基本编程技巧
课程介绍
厌倦了传统的Android开发课程？现在是时候学习Android的新知识和趋势了。机器学习正处于顶峰，而且Android应用开发也是十分热门，还有比同时学习两者更好的吗？
本课程是为想要学习机器学习并使用TensorFlow Lite在其Android应用程序中部署机器学习模型的Android开发人员设计的。本课程将帮助您开始使用深度学习构建您的第一个深度学习模型和android应用程序。我们将学习机器学习和深度学习，然后训练您的第一个模型并使用TensorFlow lite将其部署到android应用程序中。本课程的所有材料都是免费的。
课程包括从基础到高级的示例
一个非常简单的例子
使用已保存模型的示例
使用具体功能的例子
预测汽车的燃油效率（回归示例）
预测人的身体状况（分类示例）
识别手写数字
花识别示例
石头识别实例
水果识别实例
我们将从学习Python编程语言的基础开始。然后，我们将学习一些著名的机器学习库，例如Numpy，Matplotlib和Pandas。之后，我们将学习机器学习及其类型。然后我们详细研究监督学习。我们将尝试通过示例来了解分类和回归。之后，我们将开始深度学习。我们首先看一下神经网络的基本结构。然后，我们将通过一个示例来了解神经网络的工作原理。
然后，我们将了解Tensorflow库以及如何使用它来训练机器学习模型。之后，我们将研究如何将模型转换为tflite格式，该格式将在Android应用程序中使用。您可以通过三种方式获取tflite文件
从Keras模型
从具体功能
从保存的模型
在本课程中，我们将介绍所有这三种方法。
我们将通过一个实际的示例来了解Feed转发，反向传播和激活功能。我们还将研究成本函数，优化器，学习率，过度拟合和辍学。我们还将学习数据预处理技术，例如一种热编码和数据规范化。
接下来，我们使用Google的新TensorFlow库实现神经网络。
如果您是Android开发人员并且想学习机器学习（深度学习）的基础并使用Tensorflow lite在Android应用程序中部署ML模型，则应该参加本课程
本课程为您提供许多实际示例，以便您真正了解如何在android中训练和部署机器学习模型。我们将使用Android Studio为我们训练的模型开发Android应用程序。
本课程结尾的另一部分向您展示了如何出于多种实际目的使用具有不同格式的数据集。
在掌握基础知识之后，我将简要概述如何在Google现有的android机器学习项目模板中添加机器学习模型。
先决条件：
Android开发基础知识
提示（通过课程）：
自己编写代码，不要只是坐在那里看我的代码。
本课程适合谁：
初学者Android开发人员希望使他们的应用程序更智能
Android开发人员希望在其Android应用程序中使用机器学习
对机器学习和计算机视觉的实际实施感兴趣的开发人员
对机器学习感兴趣的学生-您将获得在android中添加机器学习模型所需的所有花絮
想要在Android应用程序中使用机器学习模型的专业人员。
机器学习专家希望在Android中部署他们的模型
