29160| 159
|
基于Python玩轉(zhuǎn)人工智能最火框架 TensorFlow應(yīng)用實(shí)踐 |
基于Python玩轉(zhuǎn)人工智能最火框架 TensorFlow應(yīng)用實(shí)踐
『課程介紹』: 全民人工智能時(shí)代,不甘心只做一個(gè)旁觀者,那就現(xiàn)在開(kāi)始,從人工智能最流行的框架TensorFlow學(xué)起,本課程將手把手帶你掌握TensorFlow技術(shù),遵循從基礎(chǔ)到實(shí)踐應(yīng)用的完整過(guò)程,是你通向人工智能開(kāi)發(fā)的首選! 『課程目錄』: 第1章 課程整體介紹 課程背景簡(jiǎn)介,項(xiàng)目成果演示,知識(shí)點(diǎn)和軟件簡(jiǎn)介,讓大家對(duì)接下來(lái)的學(xué)習(xí)心中有數(shù) 1-1 課程整體介紹及導(dǎo)學(xué) 第2章 人工智能基礎(chǔ)知識(shí) 人工智能、神經(jīng)網(wǎng)絡(luò)、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、激活函數(shù)、過(guò)擬合、卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)等知識(shí)的循序漸進(jìn)講解。培養(yǎng)大家對(duì)課程的興趣,了解人工智能前景,對(duì)人工智能抱持正確態(tài)度 2-1 什么是人工智能 2-2 人工智能前景 2-3 人工智能需要的基本數(shù)學(xué)知識(shí) 2-4 人工智能簡(jiǎn)史 2-5 AI、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的關(guān)聯(lián) 2-6 什么是機(jī)器學(xué)習(xí) 2-7 面對(duì)AI,我們應(yīng)有的態(tài)度 2-8 什么是過(guò)擬合 2-9 什么是深度學(xué)習(xí) 第3章 TensorFlow簡(jiǎn)介和開(kāi)發(fā)環(huán)境搭建 TensorFlow是什么,TensorFlow原理和前景,TensorFlow和其他框架的對(duì)比(例如 Theano,ScikitLearn,Keras,Caffe2,PyTorch等)。開(kāi)發(fā)環(huán)境搭建,并提供講師已經(jīng)配置好開(kāi)發(fā)環(huán)境的虛擬機(jī)鏡像 3-1 什么是TensorFlow 3-2 TensorFlow和其他機(jī)器學(xué)習(xí)庫(kù)的對(duì)比1 3-3 如何學(xué)習(xí)TensorFlow 3-4 TensorFlow前景 3-5 如何使用課程提供的虛擬機(jī)文件 3-6 安裝VirtualBox 3-7 安裝Ubuntu 3-8 配置Ubuntu系統(tǒng) 3-9 安裝Python 3-10 安裝TensorFlow(上) 3-11 安裝TensorFLow(下) 3-12 安裝Python類庫(kù) 第4章 TensorFlow原理與進(jìn)階(代碼實(shí)踐) TensorFlow核心概念,TensorFlow激勵(lì)函數(shù),TensorFlow構(gòu)建神經(jīng)網(wǎng)絡(luò),TensorFlow優(yōu)化器,可視化利器TensorBoard,TensorFlow解決過(guò)擬合,TensorFlow實(shí)現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)等。通過(guò)生動(dòng)圖文原理解釋和實(shí)例,循序漸進(jìn)掌握TensorFlow 4-1 從HelloWorld開(kāi)始 4-2 TensorFlow的編程模式 4-3 TensorFlow的基礎(chǔ)結(jié)構(gòu) 4-4 圖和會(huì)話 4-5 Python常用庫(kù)Numpy的使用 4-6 什么是Tensor(上) 4-7 什么是Tensor(下) 4-8 圖和會(huì)話原理及案例(上) 4-9 圖和會(huì)話原理及案例(下) 4-10 可視化利器TensorBoard(上) 4-11 可視化利器TensorBoard(下) 4-12 酷炫模擬游樂(lè)園PlayGround 4-13 常用Python庫(kù)Matplotlib 4-14 綜合小練習(xí):梯度下降解決線性回歸(上) 4-15 綜合小練習(xí):梯度下降解決線性回歸(中) 4-16 綜合小練習(xí):梯度下降解決線性回歸(下) 4-17 激活函數(shù)(上) 4-18 激活函數(shù)(下) 4-19 動(dòng)手實(shí)現(xiàn)CNN卷積神經(jīng)網(wǎng)絡(luò)(一) 4-20 動(dòng)手實(shí)現(xiàn)CNN卷積神經(jīng)網(wǎng)絡(luò)(二) 4-21 動(dòng)手實(shí)現(xiàn)CNN卷積神經(jīng)網(wǎng)絡(luò)(三) 4-22 動(dòng)手實(shí)現(xiàn)CNN卷積神經(jīng)網(wǎng)絡(luò)(四) 4-23 動(dòng)手實(shí)現(xiàn)CNN卷積神經(jīng)網(wǎng)絡(luò)(五) 4-24 動(dòng)手實(shí)現(xiàn)RNN-LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)(一):背景和知識(shí)點(diǎn) 4-25 動(dòng)手實(shí)現(xiàn)RNN-LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)(二):編寫實(shí)用方法(上) 4-26 動(dòng)手實(shí)現(xiàn)RNN-LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)(三):編寫實(shí)用方法(中) 4-27 動(dòng)手實(shí)現(xiàn)RNN-LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)(四):編寫實(shí)用方法(下)1 4-28 動(dòng)手實(shí)現(xiàn)RNN-LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)(四):編寫實(shí)用方法(下)2 4-29 動(dòng)手實(shí)現(xiàn)RNN-LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)(五):編寫神經(jīng)網(wǎng)絡(luò)模型(上) 4-30 動(dòng)手實(shí)現(xiàn)RNN-LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)(六):編寫神經(jīng)網(wǎng)絡(luò)模型(中)1 4-31 動(dòng)手實(shí)現(xiàn)RNN-LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)(六):編寫神經(jīng)網(wǎng)絡(luò)模型(中)2 4-32 動(dòng)手實(shí)現(xiàn)RNN-LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)(七):編寫神經(jīng)網(wǎng)絡(luò)模型(下) 4-33 動(dòng)手實(shí)現(xiàn)RNN-LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)(八):編寫訓(xùn)練方法(上) 4-34 動(dòng)手實(shí)現(xiàn)RNN-LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)(九):編寫訓(xùn)練方法(下) 4-35 動(dòng)手實(shí)現(xiàn)RNN-LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)(十):編寫測(cè)試方法 4-36 動(dòng)手實(shí)現(xiàn)RNN-LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)(十一):實(shí)際訓(xùn)練和測(cè)試 第5章 案例一 會(huì)作曲的人工智能 結(jié)合RNN-LSTM開(kāi)發(fā)能作出動(dòng)聽(tīng)旋律的炫酷人工智能:背景和知識(shí)點(diǎn)簡(jiǎn)介,開(kāi)發(fā)環(huán)境配置,原理講解,代碼實(shí)現(xiàn),訓(xùn)練模型和測(cè)試 5-1 背景和知識(shí)點(diǎn)簡(jiǎn)介 5-2 音樂(lè)和數(shù)學(xué)的聯(lián)系 5-3 什么是MIDI文件 5-4 配置開(kāi)發(fā)環(huán)境 5-5 編寫轉(zhuǎn)換MIDI到MP3的方法 5-6 Python音樂(lè)庫(kù)Music21的使用和測(cè)試方法 5-7 編寫整個(gè)神經(jīng)網(wǎng)絡(luò)模型 5-8 編寫從訓(xùn)練文件獲取音符的方法 5-9 編寫從預(yù)測(cè)數(shù)據(jù)來(lái)生成音樂(lè)的方法 5-10 編寫訓(xùn)練神經(jīng)網(wǎng)絡(luò)的方法(一) 5-11 編寫訓(xùn)練神經(jīng)網(wǎng)絡(luò)的方法(二) 5-12 編寫訓(xùn)練神經(jīng)網(wǎng)絡(luò)的方法(三) 5-13 編寫神經(jīng)網(wǎng)絡(luò)生成音樂(lè)的方法(一) 5-14 編寫神經(jīng)網(wǎng)絡(luò)生成音樂(lè)的方法(二) 5-15 純TensorFlow版的預(yù)告 第6章 案例二 會(huì)Photoshop的人工智能 結(jié)合DCGAN開(kāi)發(fā)會(huì)PS的人工智能。從此P圖不用愁,分分鐘搞定N多圖片的創(chuàng)建:背景和知識(shí)點(diǎn)簡(jiǎn)介,開(kāi)發(fā)環(huán)境配置,原理講解,代碼實(shí)現(xiàn),訓(xùn)練模型和測(cè)試 6-1 背景和知識(shí)點(diǎn)簡(jiǎn)介 6-2 配置開(kāi)發(fā)環(huán)境 6-3 什么是GAN(生成對(duì)抗網(wǎng)絡(luò)) 6-4 什么是DCGAN 6-5 編寫DCGAN中的判別器模型(上) 6-6 編寫DCGAN中的判別器模型(下) 6-7 編寫DCGAN中的生成器模型 6-8 編寫訓(xùn)練神經(jīng)網(wǎng)絡(luò)的方法(上) 6-9 編寫訓(xùn)練神經(jīng)網(wǎng)絡(luò)的方法(下) 6-10 編寫神經(jīng)網(wǎng)絡(luò)生成圖片的方法 6-11 代碼完成和測(cè)試模型 6-12 純TensorFlow版的預(yù)告 第7章 案例三 會(huì)開(kāi)3D賽車的人工智能 結(jié)合深度強(qiáng)化學(xué)習(xí)中的A3C實(shí)現(xiàn)會(huì)開(kāi)3D賽車的人工智能,學(xué)會(huì)自動(dòng)駕駛:背景和知識(shí)點(diǎn)簡(jiǎn)介,開(kāi)發(fā)環(huán)境配置,原理講解,代碼實(shí)現(xiàn),訓(xùn)練模型和測(cè)試 7-1 背景和知識(shí)點(diǎn)簡(jiǎn)介 7-2 強(qiáng)化學(xué)習(xí)的經(jīng)典實(shí)驗(yàn)環(huán)境 7-3 配置開(kāi)發(fā)環(huán)境(1) 7-4 配置開(kāi)發(fā)環(huán)境(2) 7-5 什么是強(qiáng)化學(xué)習(xí) 7-6 什么是Q Learning 7-7 Q-Learning 實(shí)現(xiàn)機(jī)器人走迷宮:創(chuàng)建環(huán)境 7-8 Q-Learning 實(shí)現(xiàn)機(jī)器人走迷宮:決策算法(1) 7-9 Q-Learning 實(shí)現(xiàn)機(jī)器人走迷宮:決策算法(2) 7-10 Q-Learning 實(shí)現(xiàn)機(jī)器人走迷宮:游戲主程序 7-11 Deep Q Learning 實(shí)現(xiàn)迷宮游戲:決策算法(1) 7-12 Deep Q Learning 實(shí)現(xiàn)迷宮游戲:決策算法(2) 7-13 Deep Q Learning 實(shí)現(xiàn)迷宮游戲:決策算法(3) 7-14 Deep Q Learning 實(shí)現(xiàn)迷宮游戲:決策算法(4)和主程序 7-15 Policy Gradient 實(shí)現(xiàn) Gym 游戲 7-16 A3C 實(shí)現(xiàn) 3D 賽車游戲:成果演示 7-17 A3C實(shí)現(xiàn)3D賽車游戲:講解A3C和編寫環(huán)境 7-18 A3C實(shí)現(xiàn)3D賽車游戲:編寫A3C算法和主程序 第8章 知識(shí)點(diǎn)總結(jié)和課程延展 知識(shí)點(diǎn)總結(jié),如何學(xué)習(xí)一門知識(shí),如何深入人工智能和TensorFlow,如何學(xué)習(xí)數(shù)學(xué)和英語(yǔ),TensorFlow還能做什么,等等。 8-1 總結(jié)陳詞和補(bǔ)充 8-2 如何學(xué)好英語(yǔ) 8-3 如何學(xué)好數(shù)學(xué) 8-4 如何學(xué)習(xí)一門技術(shù)及課程知識(shí)點(diǎn)總結(jié) 8-5 深入AI和TensorFlow
購(gòu)買主題
本主題需向作者支付 666 資源幣 才能瀏覽
| |
| ||
| ||
| ||
| ||
提示: 作者被禁止或刪除 內(nèi)容自動(dòng)屏蔽
| |
| ||
| ||
| ||
| ||
小黑屋|資源共享吧 ( 瓊ICP備2023000410號(hào)-1 )
GMT+8, 2025-1-10 15:17 , Processed in 0.072280 second(s), 16 queries , MemCached On.