Tensorflow 2.0: 深度學習和人工智慧

Contents

電腦視覺神經網路、時間序列預測、自然語言處理( NLP，Natural Language Processing )、生成對抗網路( GANs，Generative Adversarial Networks )，強化學習( Reinforcement Learning )和更多。

從這 23.5 小時的課程，你會學到

人工神經網路( ANNs，Artificial Neural Networks ) / 深層神經網路( DNNs，Deep Neural Networks )
預測股票收益
時間序列預測
電腦視覺( Computer Vision )
如何建立一個深強化學習股票交易機器人
生成對抗網路( GANs，Generative Adversarial Networks )
推薦系統
影像辨識
卷積神經網(CNNs，Convolutional Neural Networks )
迴歸神經網路( RNNs，Recurrent Neural Networks )
在 Tensorflow Serving 使用 RESTful API 為你的模型服務
使用 Tensorflow Lite 為行動裝置(Android、 iOS)和嵌入式裝置匯出模型
使用 Tensorflow 的分佈策略並行化學習
低階的 Tensorflow、梯度磁帶( Gradient tape )，以及如何建立你自訂的模型
基於深度學習的自然語言處理( NLP )
用程式編碼展示摩爾定律
將學習遷移到建立最先進的影像分類器

要求

知道如何用 Python 和 Numpy 編寫程式碼
在理論部分，理解導數和機率

課程說明

歡迎使用 Tensorflow 2.0！

多麼激動人心的時刻啊。從 Tensorflow 釋出到現在已經將近 4 年了，官方程式庫( library )已進展到第二個版本。

Tensorflow 是 Google 的深度學習和人工智慧程式庫。

深度學習最近取得了一些驚人的成就，比如:

生成美麗的、照片般逼真的(但從來沒有存在過的)人和事物的影像( GANs )
在圍棋戰略遊戲中擊敗世界冠軍，還有複雜的視訊遊戲，比如 CS:Go 和 Dota 2 ( 深度強化學習 )
自動駕駛汽車( 電腦視覺 )
語音識別( 例如 Siri )和機器翻譯( 自然語言處理 )
甚至創作人們從未真的做過和說過的假視訊( deepfake – 潛在的深度學習的邪惡應用 )

Tensorflow 是世界上最受歡迎的深度學習程式庫，它是由 Google 建立的，Google 的母公司 Alphabet 最近成為世界上現金最豐富的公司( 就在我寫這篇文章的前幾天 )。它是許多從事人工智慧和機器學習的公司的首選程式庫。

換句話說，如果你想做深度學習，你必須瞭解 Tensorflow。

本課程從初級到專家級的學生都適用。這怎麼可能呢？

如果你剛先上過我的免費 Numpy 先修課程，那麼你已經知道了需要立即運用的所有內容。我們將從一些非常基本的機器學習模型開始，然後推進到最先進的概念。

在這個過程中，你將學習所有主要的深度學習架構，如深度神經網路、卷積神經網路(影像處理)和迴圈神經網路(序列資料)。

目前的專案包括:

自然語言處理( NLP )
推薦系統
電腦視覺的遷移學習
生成對抗網路( GANs )
深度強化學習股票交易機器人

即使你已經學過我以前所有的課程，你仍然會學到如何轉換你以前的程式碼，使用 Tensorflow 2.0，在這門課程中有全新的和從未見過的專案，如時間序列預測和如何做股票預測。

本課程是為那些想要快速學習的學生設計的，但是也有一些“深入的”部分，以防你想要更深入地挖掘理論(比如什麼是損失函式 loss function，什麼是不同型別的梯度下降法方法)。

進階 Tensorflow 主題包括:

使用 Tensorflow Serving ( 雲端的 Tensorflow )佈署模型
使用 Tensorflow Lite ( 行動和嵌入式應用程式 )佈署模型
基於分散式策略的分散式 Tensorflow 訓練
編寫你自訂的 Tensorflow 模型
將 Tensorflow 1. x 程式碼轉換為 Tensorflow 2.0
常數、變數和張量
急切的執行
梯度磁帶( Gradient tape )梯度膠帶

講師筆記: 本課程側重於廣度而非深度，較少涉及理論，更多關注於創造很酷的東西。如果你正在尋找一個更加理論密集的課程，這不是它。一般來說，對於這些主題( 推薦系統、自然語言處理、強化學習、電腦視覺、GANs 等等 ) ，我已經有專門針對這些主題的課程。

謝謝你的閱讀，課堂上見！

我應該按什麼順序上你們的課程？

查看講座“機器學習和 AI 先決條件路線圖”（可在我的任何課程的常見問題解答中找到，包括免費的 Numpy 課程）

本課程特點：

每行程式碼都有詳細解釋 – 如果您不同意，請隨時給我發電子郵件
不會像其他課程那樣浪費時間在鍵盤上“打字”——老實說，沒有人能在短短 20 分鐘內從頭開始真正編寫出值得學習程式代碼
不懼怕大學水準的數學——了解其他課程遺漏的有關演算法的重要細節

目標受眾

想進階學習 Tensorflow 2.0 的深度學習和 AI 的初學者

講師簡介

Lazy Programmer Inc 資料科學家和大數據工程師 ( 更多講師主講課程介紹 )

今天，儘管我也以資料科學家、大數據工程師和全端軟體工程師而著稱，但我大部分時間都在從事深度學習的人工智慧和機器學習工程師的工作。

我獲得了電腦工程碩士學位，專門研究機器學習和模式識別。

經驗包括線上廣告和數位媒體，既是資料科學家（優化點選和轉化率），又是大數據工程師（建構資料處理管道）。我經常使用的一些大數據技術是 Hadoop、Pig、Hive、MapReduce 和 Spark。我建立了深度學習模型來預測點選率和使用者行為，以及影像和訊號處理和文字建模。我在推薦系統中的工作已經應用了強化學習和協作過濾，並且我們使用 A / B 測試驗證了結果。

我為哥倫比亞大學、紐約大學、Hunter College 與 The New School 等大學的大學部和研究所學生講授過資料科學、統計學、機器學習、演算法、微積分、電腦圖形學和物理學。

我的網路程式設計專業知識使多家企業受益。我負責所有後端（伺服器）、前端（HTML / JS / CSS）和操作/佈署工作。我使用的一些技術是：Python、Ruby / Rails、PHP、Bootstrap、jQuery（Javascript）、Backbone 和 Angular。對於儲存/資料庫，我使用了MySQL、Postgres、Redis、MongoDB 等。

英文字幕：有