课程分享｜TensorFlow 入门实操课程，带你开启机器学习之旅

《TensorFlow 入门实操课程》是基于来自Google 的TensorFlow 技术推广工程师 Laurence Moroney 制作的新手入门课程，由TensorFlow团队与老师们合作联合推出的中文版本。作为机器学习新手的入门课，不仅可以了解机器学习的基础知识，还将有机会在网易有道中国大学MOOC搭建的在线实训平台进行线上实操练习训练，能更快地学以致用。在科技创新的进程中，助力零基础闯关机器学习。

课程概述

本课程旨在指导刚接触机器学习的开发者顺利完成其机器学习之旅的起始学习阶段，帮助快速掌握机器学习的基础知识，并在课程的引导下通过TensorFlow进行深度学习，然后将有机会通过中国大学MOOC搭建的在线实训平台实操练习从新手教程中学到知识。完成此部分学习后，将掌握有关机器学习工作原理的基础知识，从而为更深入的学习做好准备。

完成此部分学习后，您将掌握到：

1.使用TensorFlow建立和训练神经网络

2.在训练网络识别真实图像时，使用卷积提高网络性能 (10月15号上线)

3.用自然语言处理系统教会机器理解、分析和回应人类的言语 (即将上线）

4.处理文本，以句子为载体训练模型，训练模型创造出原创诗句！(即将上线）

5.序列，时间序列和预测 (即将上线）

6.TensorFlow Lite (即将上线）

7.TensorFlow JS (即将上线）

课程大纲

第一部分：TensorFlow深度学习的第一门课程

TensorFlow是一个广受欢迎的机器学习开源框架。本课程是TensorFlow机器学习系列课程的入门部分，帮助了解机器学习的设计思路和基本方法，体验TensorFlow的最佳实践模式，培养运用AI解决问题的直觉。

第一章：TensorFlow介绍

1.1 机器学习引言

1.2 开发环境准备

1.3 一个神经元的网络

第二章：计算机视觉介绍

2.1 计算机视觉

2.2 加载Fashion MNIST

2.3 构造神经元网络模型

2.4 训练和评估模型

2.5 自动终止训练

第三章：卷积介绍

3.1 卷积神经网络

3.2 卷积网络程序

3.3 卷积网络结构

第四章：更复杂的图像应用

4.1 项目实战

4.2 ImageDataGenerator

4.3 构建并训练模型

4.4 优化模型参数

第二部分：机器视觉 - 图像分类

本部分主要介绍常用卷积神经网络模型，包括类LeNet 网络、Inception网络等模型在常见图像分类情景中的应用，包括狗猫识别、人马识别、手势识别和手写体识别等应用。通过代码详细解释数据分析的全过程。

第五章：图像分类基础应用

5.1  狗猫分类案例

第六章：迁移学习

6.1 人马分类案例

第七章：图像多元分类

7.1 手写体识别案例

7.2 剪刀石头布案例

课程时间

开课时间：2020年10月12日—12月31日

共12周，目前已进行至第1周

学时安排：3-5小时每周

预备知识

在开始学习课程之前，请确保：

具有软件开发经验，尤其是 Python 开发经验

本课程适用于以下人员：

刚开始接触机器学习，但具有计算机科学或开发背景。