TensorFlow 2.0 实用进阶
Master Tensorflow 2.0，谷歌最强大的机器学习库，拥有5个高级实用项目
讲师：Dr. Ryan Ahmed, Ph.D., MBA
口袋资源独家Udemy付费课程，独家中英文字幕，配套资料齐全！
用不到1/10的价格，即可享受同样的高品质课程，且可以完全拥有，随时随地都可以任意观看和分享。
你将会学到的
- 使用 Google 新发布的 TensorFlow 2.0 构建、训练、测试和部署高级人工神经网络 (ANN) 模型。
- 了解生成对抗神经网络 (GAN) 背后的基础理论和数学。
- 在 TF 2.0 中使用 Keras API 应用革命性的 GAN 来生成全新的图像。
- 了解自动编码器和变分自动编码器 (VAE) 背后的基础理论和数学。
- 使用 TF 2.0 中的 Keras API 训练和测试自动编码器以执行图像压缩和去噪。
- 了解 DeepDream 算法背后的基础理论和数学。使用 TF 2.0 中的 Keras API 开发、训练和测试最先进的 DeepDream 算法，以创建基于 AI 的艺术杰作！
- 了解长短期记忆 (LSTM) 循环神经网络 (RNN) 背后的直觉。
- 在 TF 2.0 中使用 Keras API 训练长短期记忆 (LSTM) 网络以生成新的莎士比亚风格的文本！
- 应用迁移学习从预训练的 MobileNet 和 ResNet 网络迁移知识，以使用 TensorFlow 2.0 Hub 对新图像进行分类。
- 开发 ANN 模型并在 Google 的 Colab 中对其进行训练，同时利用 GPU 和 TPU 的强大功能。
- 使用 TensorFlow 2.0 Serving 在实践中部署 AI 模型。
显示更少
课程内容
8 个章节 • 82 个讲座 • 总时长 12 小时 36 分钟展开所有章节
介绍和课程大纲12 个讲座 • 1 小时 18 分钟
人工神经网络和卷积神经网络综述10 个讲座 • 1 小时 47 分钟
转移学习（TF HUB）12 个讲座 • 1 小时 51 分钟
自动编码器13 个讲座 • 2 小时 15 分钟
深梦8 个讲座 • 1 小时 28 分钟
GAN10 个讲座 • 1 小时 30 分钟
递归神经网络 (RNN) 和 LSTM11 个讲座 • 1 小时 33 分钟
TensorFlow 服务和 Tensorboard6 个讲座 • 54 分钟
要求
- 有互联网连接的电脑
- 推荐 – 终极 TensorFlow 2.0 实践课程
说明
谷歌最近发布了 TensorFlow 2.0，这是谷歌在实践中构建和部署人工智能模型的最强大的开源平台。Tensorflow 2.0 版本对 AI 开发人员和爱好者来说是一个巨大的胜利，因为它能够以更简单、更快速的方式开发超先进的 AI 技术。
本课程的目的是为学生提供使用 TensorFlow 2.0 和 Google Colab 构建、训练、测试和部署高级人工神经网络和深度学习模型的实用知识。本课程将涵盖 TensorFlow 2.0 中先进的、最先进的 AI 模型实施，例如 DeepDream、自动编码器、生成对抗网络 (GAN)、使用 TensorFlow Hub 的迁移学习、长短期记忆 (LSTM) 递归神经网络和许多更多的。这些先进的人工智能模型的应用是无穷无尽的，包括新的逼真的人类照片生成、文本翻译、图像去噪、图像压缩、文本到图像的翻译、图像分割和图像字幕。
到 2022 年，全球 AI 和机器学习技术领域预计将从 $1.4B 增长到 $8.8B，预计到 2020 年 AI 技术领域将创造约 230 万个工作岗位。该技术正在大规模发展，几乎被采用每个部门。该课程为学生提供了使用 TensorFlow 2.0 和 Google Colab 使用真实数据集训练高级人工神经网络的实践实践经验。本课程以实用的方式涵盖了多种技术，项目包括但不限于：
- 开发、训练和测试最先进的 DeepDream 算法，以创建基于 AI 的艺术杰作！
- 实施称为 GAN 的革命性生成对抗网络来生成全新的图像。
- 开发长短期记忆 (LSTM) 网络以生成新的莎士比亚式文本！
- 使用 TensorFlow 2.0 Serving 在实践中部署 AI 模型。
- 应用自动编码器来执行图像压缩和去噪。
- 应用迁移学习从预训练网络迁移知识，以使用 TensorFlow 2.0 Hub 对新图像进行分类。
本课程面向希望基本了解如何在 Tensorflow 2.0 中构建、训练、测试和部署高级模型的学生。推荐编程和人工神经网络的基础知识。参加本课程的学生将掌握高级人工智能和深度学习技术，并可以直接应用这些技能来解决现实世界中的挑战性问题。
此课程面向哪些人：
- 想要将他们的知识应用于现实世界案例研究的数据科学家
- 人工智能开发者
- 人工智能研究人员
