深度学习应用开发-TensorFlow实践
分享
课程详情
课程评价
spContent=人工智能(AI)、机器学习的应用开发实践课程,教育部-Google公司产学合作协同育人项目支持,Google中国大学合作部TensorFlow教学研讨班讲授课程
—— 课程团队
课程概述

不干涩地讲深层次理论和算法,也不是纯粹介绍TensorFlow的编程。而是针对大多数潜在学员的特点(有基本的编程能力,对开发人工智能应用感兴趣,学过一些基本概率统计和线性代数,但谈不上有深厚的数学功底和人工智能理论基础),通过针对典型的人工智能应用场景,设计系列针对性案例来引导学习过程。主要案例包括价格预测、手写数字识别、图像识别、文本情感分析(自然语言处理,NLP)、图像自动生成等,在案例讲解过程中深入浅出地介绍相关理论,并会从中讲解TensorBoard可视化、模型的断点续训等实用技巧。


本课程将主要内容根据学习阶段分为四部分:筑基篇、启航篇、进阶篇和扩展篇。筑基篇包括人工智能简介、开发环境搭建和Python开发语言快速入门、TensorFlow编程基础等三讲内容;启航篇从单个神经元的线性回归应用开始,直到完成多层神经网络应用开发,共有四讲内容;进阶篇主要围绕深度网络,从卷积神经网络CNN开始,历经循环神经网络RNN、生成对抗网络GAN等应用开发,涵括迁移学习等内容;扩展篇则包括Keras框架、TensorFlow.js、TensorFlow Lite移动应用开发等高级话题。

授课目标

本课程将全面介绍基于TensorFlow深度学习框架的人工智能应用开发技术。课程不仅会讲解机器学习的基础理论和主流的模型及算法(包括线性回归、神经网络、卷积神经网络、循环神经网络、生成对抗网络等),而且会重点讲解如何基于TensorFlow框架,针对不同的应用场景进行深度学习模型的选择、构建和应用。让学习者能快速具备人工智能问题求解的基本思想和初步的人工智能应用软件开发能力。

课程大纲
预备知识

有基本的编程能力,学过一些基本概率统计和线性代数


不需要有深厚的数学功底和人工智能理论基础


证书要求

合格线:60分

优秀线:85分


参考资料

吴明晖、李卓蓉、金苍宏,深度学习应用开发 - 基于TensorFlow的实践,高等教育出版社(待出版)


教材电子版本:

https://minghuiwu.gitbook.io/tfbook/


常见问题


Q :  这门课程对数学要求是否很高?

A :  本门课程偏应用开发,目的是在了解实现原理的基础上会建模、应用。需要了解一些基本的求导数、矩阵点乘、叉乘的概念,但不用做复杂的公式求解和推导。


Q :  这门课对编程要求是否很高?

A :  既然叫应用开发,当然是要编程实现的。本门课程采用Python编程,但只需要基本的编程技能,因此谈不上对编程技巧有太高要求。对于学过C语言或者Java语言,但没有学过Python的学员,还提供了一讲Python快速入门的章节,相信花点功夫就能跟上的。


Q :  这门课对开发机器的要求是否很高,没有GPU的一般电脑能做开发吗?

A :  作为教学案例,所设计的项目对电脑的要求谈不上高,普通配置的笔记本电脑都能顺利运行。只有到后面迁移学习需要训练深度神经网络时,如果有GPU会更快。总体说来是不用担心电脑配置问题影响学习的。


Q :  这门课采用的TensorFlow版本是多少?

A :  本课程采用的TensorFlow版本包括1.x和2.0。其实课程教学和版本关系不大,主要通过教案学习深度学习的思想。如果大家想提前安装环境,可以通过Anaconda安装2个不同TensorFlow版本的虚拟环境,Anaconda(Python3.6)+TensorFlow1.2和2.0。