TensorFlow 开发者证书：从零到精通

通过 Google 的 TensorFlow 开发人员认证考试。成为人工智能、机器学习和深度学习专家！

讲师：Andrei Neagoie

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。

你将学到什么

• 学习通过 Google 官方 TensorFlow 开发者证书考试（并将其添加到您的简历中）
• 使用计算机视觉、卷积神经网络和自然语言处理构建 TensorFlow 模型
• 完全访问所有交互式笔记本和所有课程幻灯片作为可下载指南
• 提高您在机器学习和深度学习方面的技能，通过 TensorFlow 评估考试测试您的能力
• 了解如何将机器学习集成到工具和应用程序中
• 学习使用最新的 TensorFlow 2 构建所有类型的机器学习模型
• 使用深度神经网络和卷积神经网络构建图像识别、文本识别算法
• 使用现实世界图像通过卷积可视化图像的旅程，以了解计算机如何“看到”信息、绘图损失和准确性
• 应用深度学习进行时间序列预测
• 获得成为 TensorFlow 认证开发人员所需的技能
• 被公认为寻找 TensorFlow 开发人员的招聘人员的最佳候选人

要求

• Mac / Windows / Linux – 所有操作系统都适用于本课程！
• 无需具备 TensorFlow 知识。对机器学习的基本了解很有帮助

描述

刚刚推出，包含使用 TensorFlow 构建神经网络并通过 TensorFlow 开发人员证书考试的所有现代最佳实践！

加入由 900,000 多名学生组成的实时在线社区，参加由 TensorFlow 认证专家教授的课程。本课程将带您从 TensorFlow 的绝对初学者，到创建最先进的深度学习神经网络，并成为 Google TensorFlow 认证网络的一部分。

TensorFlow 专家的年薪高达204,000 美元，平均工资徘徊在148,000 美元左右。通过此由 Google 官方认可的证书，您将加入不断发展的机器学习行业，并成为收入最高的 TensorFlow 开发人员！如果您通过考试，您也将成为 Google TensorFlow 开发者网络的一员，招聘人员可以在其中找到您。

本课程的目标是教您通过考试并获得 Google 的 TensorFlow 认证所需的所有技能，以便您可以将其展示在您的简历、LinkedIn、Github 和其他社交媒体平台上，真正让您脱颖而出出去。

这是我们将教授的所有内容的完整课程细分（是的，它非常全面，但不要被吓倒，因为我们将从头开始教您所有内容！）：

本课程将非常注重实践和项目。您不会只是盯着我们教课，而是实际上可以进行实验、练习并构建机器学习模型和项目来模仿现实生活场景。最重要的是，我们将向您展示 TensorFlow 考试是什么样的。完成这一切后，您将掌握开发大型科技公司遇到的现代深度学习解决方案所需的技能。

0 — TensorFlow 基础知识

• 张量简介（创建张量）
• 从张量获取信息（张量属性）
• 操纵张量（张量运算）
• 张量和 NumPy
• 使用 @tf.function （一种加速常规 Python 函数的方法）
• 将 GPU 与 TensorFlow 结合使用

1 — 使用 TensorFlow 进行神经网络回归

• 构建多层 TensorFlow 顺序模型
• 准备用于机器学习模型的数据
• 了解构成深度学习模型的不同组件（损失函数、架构、优化函数）
• 了解如何诊断回归问题（预测数字）并为其构建神经网络

2 — 使用 TensorFlow 进行神经网络分类

• 了解如何诊断分类问题（预测某物是一件事还是另一件事）
• 使用 TensorFlow 构建、编译和训练机器学习分类模型
• 构建和训练二元和多类分类模型
• 绘制相互对比的建模性能指标
• 匹配输入（训练数据形状）和输出形状（预测数据目标）

3 — 使用 TensorFlow 的计算机视觉和卷积神经网络

• 使用 Conv2D 和池化层构建卷积神经网络
• 了解如何诊断不同类型的计算机视觉问题
• 学习如何构建计算机视觉神经网络
• 了解如何将真实世界的图像与计算机视觉模型结合使用

4 — 使用 TensorFlow 进行迁移学习第 1 部分：特征提取

• 了解如何使用预先训练的模型从您自己的数据中提取特征
• 了解如何使用 TensorFlow Hub 进行预训练模型
• 了解如何使用 TensorBoard 比较几种不同模型的性能

5 — 使用 TensorFlow 进行迁移学习第 2 部分：微调

• 了解如何设置和运行多个机器学习实验
• 了解如何使用数据增强来增加训练数据的多样性
• 了解如何针对您自己的自定义问题微调预训练模型
• 了解如何在训练期间使用回调向模型添加功能

6 — 使用 TensorFlow 进行迁移学习第 3 部分：扩大规模（Food Vision mini）

• 了解如何扩展现有模型
• 了解如何通过查找最错误的预测来评估您的机器学习模型
• 仅使用 10% 的数据就击败了原始 Food101 论文

7 — 里程碑项目 1：食品愿景

• 结合您在之前 6 个笔记本中学到的所有内容来构建 Food Vision：一个能够对 101 种不同食物进行分类的计算机视觉模型。我们的模型确实击败了原始 Food101 论文。

8 — TensorFlow 中的 NLP 基础知识

• 学会：
  • 预处理要与神经网络一起使用的自然语言文本
  • 使用 TensorFlow 创建词嵌入（文本的数字表示）
  • 使用以下方法构建能够进行二元和多类分类的神经网络：
    • RNN（循环神经网络）
    • LSTM（长短期记忆细胞）
    • GRU（门控循环单元）
    • CNN
• 了解如何评估您的 NLP 模型

9 — 里程碑项目 2：SkmLit

• 复制支持 PubMed 200k 论文的模型，对 PubMed 医学摘要中的不同序列进行分类（这可以帮助研究人员更快地阅读医学摘要）

10 — TensorFlow 中的时间序列基础知识

• 了解如何诊断时间序列问题（构建模型以根据不同时间的数据进行预测，例如预测 AAPL 明天的股价）
• 为时间序列神经网络准备数据（特征和标签）
• 理解和使用不同的时间序列评估方法
  • MAE — 平均绝对误差
• 使用 TensorFlow 构建时间序列预测模型
  • RNN（循环神经网络）
  • CNN（卷积神经网络）

11 — 里程碑项目 3：（惊喜）

• 如果您已经读到这里，您可能会对本课程感兴趣。最后一个项目会很好……我们向您保证，所以课程中见；）

TensorFlow 越来越受欢迎，越来越多的职位空缺针对这一专业知识。事实上，TensorFlow 在就业市场上的发展速度已经超过了 PyTorch 等其他流行的机器学习工具。Google、Airbnb、Uber、DeepMind、Intel、IBM、Twitter 和许多其他公司目前都由 TensorFlow 提供支持。这些大型科技公司使用这项技术是有原因的，您将了解 TensorFlow 为开发人员提供的所有功能。


我们向您保证，这是有关通过 TensorFlow 开发人员证书、使您有资格成为 TensorFlow 专家的最全面的在线课程。那为什么还要等呢？ 成为 Google 认证开发者，让自己脱颖而出并提升您的职业生涯。


课程内见！

本课程适合谁：

• 任何想要通过 TensorFlow 开发人员考试的人都可以加入 Google 的证书网络，并在简历、GitHub 和 LinkedIn 等社交媒体平台上展示他们的证书和徽章，从而轻松地与世界分享他们的 TensorFlow 专业知识水平
• 希望通过使用 TensorFlow 构建和训练模型来展示实用机器学习技能的学生、开发人员和数据科学家
• 任何想要扩展人工智能、机器学习和深度学习知识的人
• 任何想要掌握使用最新版本 TensorFlow 构建 ML 模型的人