TensorFlow 2.0 實務課程

透過 10 的機器學習實務專案，精通 Google 最強大的機器學習程式庫 Tensorflow 2.0

從這 11.5 小時的課程，你會學到

精通 Google 最新發佈的 TensorFlow 2.0 來建構、訓練、測試和部署人工神經網路(ANNs)模型
學習如何開發人工神經網路模型，並在 Google 的 Colab 訓練他們，同時利用 GUPs 和 TPUs 的能力
在實踐中使用 TensorFlow 2.0 服務部署人工神經網路模型
學習如何視覺化模型圖和在訓練期間使用 Tensorboard 評估它們的表現
理解人工神經網路和卷積神經網路背後的基礎理論和數學
學習如何訓練網路權值和偏差，並選擇合適的傳遞函式
使用反向傳播和梯度下降法方法訓練人工神經網路( ANNs )
最佳化人工神經網路的超參數( hyper parameters)，如隱層數量和神經元，以提高網路效能
應用人工神經網路( ANNs ) 執行迴歸任務，如房價預測和銷售 / 收入預測
使用 KPI (關鍵效能指標)評估訓練好的神經網路模型在迴歸任務中的效能，如平均絕對誤差、均方差、均方差、 R 平方和調整後的 R 平方
使用 KPI 評估訓練過的人工神經網路模型在分類任務中的表現，例如精確度，準確率和復盤( recall )
卷積神經網路在影像分類中的應用
真實世界中的實務專案範例:
專案 # 1: 訓練簡單神經網路將攝氏溫度轉換為華氏溫度
專案 # 2(練習) : 訓練前饋神經網路預測收入 / 銷售額
專案 # 3: 作為一個房地產顧問，使用人工神經網路(迴歸任務)預測房價
專案 # 4(練習) : 作為一個企業主，預測自行車租賃使用情況(迴歸任務)
專案 # 5: 在醫學領域開發人工神經網路來執行分類任務，如糖尿病檢測(分類任務)
專案 # 6: 開發人工智慧模型，以執行情緒分析和分析線上客戶評論
專案 # 7: 訓練 LeNet 深度學習模型執行交通標誌分類
專案 # 8: 訓練 CNN 執行時尚分類
專案 # 9: 訓練 CNN 使用 Cifar-10 資料集執行影像分類
專案 # 10: 使用 TensorFlow 服務部署深度學習影象分類模型

要求

連線網際網路的個人電腦

課程說明

人工智慧(AI)革命已經到來，TensorFlow 2.0終於到來，讓人工智慧革命發生得更快！ Tensorflow 2.0是 Google 最強大的，最近釋出的開源平台，用於建立和部署人工智慧模型。

人工智慧技術正在經歷指數型成長，在醫療、國防、銀行、遊戲、交通和機器人等行業得到廣泛應用。本課程的目的是為學生提供使用 TensorFlow 2.0和 Google Colab 建立、訓練、測試和部署人工神經網路和深度學習模型的實用知識。

本課程為學生提供了使用 TensorFlow 2.0和 Google Colab 使用真實世界資料集訓練人工神經網路和卷積神經網路的實踐經驗。本課程以實用的方式介紹幾種技術，專案包括:

(1)訓練前饋人工神經網路執行迴歸任務，如銷售 / 收入預測和房價預測

(2)在醫學領域開發人工神經網路，以執行糖尿病檢測等分類任務。

(3)訓練深度學習模型完成人臉檢測、服裝分類、交通標誌分類等影像分類任務。

(4)開發人工智慧模型，進行情緒分析和客戶評論分析。

(5)使用人工智慧模型視覺化，並使用 Tensorboard 評估其效能

(6)使用 Tensorflow 2.0 服務在實務中部署人工智慧模型

本課程針對希望從根本上理解如何在 Tensorflow 2.0 中構建和部署模型的學生。介紹程式設計的基本知識。然而，這些主題將在早期課程講座中被廣泛地討論; 因此，這門課程沒有先決條件，對任何具有基本程式設計知識的學生開放。參加本課程的學生將掌握人工智慧和深度學習技術，並可以直接應用這些技能，使用Google 的新 TensorFlow 2.0 解決真實世界中具有挑戰性的問題。

目標受眾

想應用自己的知識在真實世界做案例研究的資料科學家
人工智慧開發者
人工智慧研究者

講師簡介

Dr. Ryan Ahmed, Ph.D., MBA 教授和暢銷的 Udemy 講師 ( 更多講師主講課程介紹 )

Ryan Ahmed 是一位熱愛教育和科技的暢銷的 Udemy 教練。Ryan 的使命是讓每個人都能獲得優質的教育，並且負擔得起。Ryan 擁有博士學位。麥克馬斯特大學( McMaster* University )工程學士學位，主修機電一體化和電動汽車（EV）控制。他還獲得了麥克馬斯特應用科學碩士學位，專注於人工智慧（AI）和 DeGroote 商學院的金融 MBA。

Ryan 在全球頂級科技公司擔任過多個工程職位，例如三星美國公司和菲亞特克萊斯勒汽車公司 (FCA) 加拿大公司。他為來自 160 個國家的超過 325,000 名學生教授了超過 46 門科學、技術、工程和數學課程，獲得了 29,000 多條 5 星評價，總體評分為 4.5/5。 Ryan 還領導著一個名為 “Prof. Ryan Ahmed” 的 YouTube 頻道，約 100 萬瀏覽量和 27,000 多名訂閱者，向人們傳授人工智慧、機器學習和資料科學知識。

Ryan 發表了超過 33 篇關於人工智慧、機器學習、狀態估計、電池建模和電動汽車控制的期刊和會議研究論文。他是美國密歇根州底特律舉行的 IEEE 交通電氣化會議暨博覽會 (iTEC 2012) 最佳論文獎的共同獲得者。 Ryan 是史丹佛認證專案經理 (SCPM)、安大略省認證專業工程師 (P.Eng.)、汽車工程師協會 (SAE) 會員以及電氣和電子工程師協會 (IEEE) 會員。他還是美國伊利諾伊州芝加哥 2017 年 IEEE 交通和電氣化會議 (iTEC’17) 的計畫聯合主席。

*麥克馬斯特大學是僅有的加拿大大學中四所持續排名全球前100名的大學之一。

Ligency 建構現實世界的人工智慧產品

加入 Ligency，與超過 350 萬名學員一起學習。

我們擁有 4.6 分的講師評分、近 100 萬條評價，並提供 12 種語言的 121 門課程，幫助工程師、領導者和團隊掌握驅動當今人工智慧革命的技能，並交付實際成果。

我們從現實世界的起點出發：大型語言模型及其驅動的產品。您將學習人工智慧和生成式人工智慧 (gen AI) 的基礎知識，然後交付生產級系統——聊天機器人、副駕駛、自動化和人工智慧代理( agents )。我們將深入探討大型語言模型工程：檢索（RAG）、評估、可觀測性、安全性以及團隊大規模運行代理系統所使用的模式。

我們的技術堆疊實用且與時俱進。您將使用 Python、LangChain 和 LangGraph 快速建立原型；探索來自 OpenAI、Gemini 和 Claude（包括 Claude Code）的模型；使用 Hugging Face 和 Ollama 進行微調和部署；並在 AWS 上將其部署到生產環境——從 Bedrock 到事件驅動服務。需要自動化？我們利用 n8n、簡潔的介面和 CI/CD 將其完美整合。在此過程中，您將掌握在高負載下依然穩健的響應式工程技術。

未來發展方向：交付型人才的職位。熱愛建構的人才可以選擇 AI 工程師和 LLM 工程師；追求規模化可靠性的人才可以選擇平台和 MLOps 方向；致力於將智能體 AI 從簡報轉化為實際業務成果的人才可以選擇產品和領導力方向。貫穿始終的核心理念是：快速學習、快速建立、衡量一切、迭代優化。

從我們最暢銷的課程開始：

LLM 工程：精通 AI、大型語言模型和 agents ——從最初的響應式設計到生產模式（RAG、智能體、評估、LangChain/LangGraph）的實踐路徑。

完整的 Agentic AI 工程課程－設計、編排和部署強大的 AI 智能體和 Agentic 工作流程。

生產環境中的 AI：大規模的 Gen AI 和 Agentic AI——在 AWS 上建置管道、監控和企業級部署的擴展模式。

生成式 AI 高階主管簡報：領導者的精通指南－生成式人工智慧策略、治理與投資報酬率的簡明行動手冊。

如果您希望快速提升技能並交付實際產品，歡迎加入我們。學習概念，體驗工具，建立產品——然後將其推向用戶。這就是 Ligency 的行事方式。