fbpx

TensorFlow 2.0: 全新的 TensorFlow 完整指南

課程簡介

使用 TensorFlow 2.0 建立深度學習和人工智慧的驚人應用程式

課程介紹:English 简中

從這 13 小時的課程,你會學到

  • 如何在資料科學領域中使用 Tensorflow 2.0
  • Tensorflow 1. x 和 Tensorflow 2.0 版本的重要差異
  • 如何使用 Tensorflow 2.0 實現人工神經網路
  • 如何使用 Tensorflow 2.0 實現卷積神經網路( Convolutional Neural Networks )
  • 如何使用 Tensorflow 2.0 實現遞迴神經網路( Recurrent Neural Networks )
  • 如何使用 Tensorflow 2.0 建立自己的遷移學習( Transfer Learning )應用程式
  • 如何建立一個基於強化學習(Reinforcement Learning Deep-Q Network )的股票交易機器人
  • 如何使用 Tensorflow 2.0 建立機器學習管線 ( Pipeline )
  • 如何使用 TensorFlow 資料驗證和 TensorFlow Transform 來處理資料集的預處理
  • 將 TensorFlow 2.0 模型投入營運
  • 如何使用 Flask 和 TensorFlow 2.0 建立流行的 API
  • 如何使用 RESTful API 提供 TensorFlow 模型服務

要求

課程說明

歡迎使用 Tensorflow 2.0!

Tensorflow 2.0 剛剛釋出,它引入了許多簡化模型開發和維護流程的功能。 站在教育角度來看,它通過簡化許多複雜的概念來提高人們的理解能力。 從產業的角度來看,模型更容易理解、維護和開發。

深度學習是人工智慧發展最快的領域之一。 在過去的幾年裡,我們已經證明了深度學習模型,即使是最簡單的模型,也可以解決非常困難和複雜的任務。 現在,深度學習的流行詞彙時期已經部分地過去了,人們正在釋放它的力量和改進產品的潛力。

本課程的結構涵蓋了從神經網路建模和訓練到投入營運的所有主題。

在本課程的第 1 節,你將瞭解我們將在整個課程(第1部分)中使用的技術堆疊,以及 TensorFlow 2.0 程式庫基礎知識和語法(第2部分)。

在本課程的第 2 節,我們將深入探究深度學習這個令人興奮的世界。 通過本課程的這一部分,你將實現幾種類型的神經網路(全連線神經網路 Fully Connected Neural Network (第 3 節) ,卷積神經網路神經網路(第 4 節) ,遞迴神經網路神經網路(第 5 節))。 在本部分第 6 節的最後,你將學習並構建自己的遷移學習應用程式,該應用程式實現了狗與貓資料集( Dogs vs. Cats dataset ) 的最佳(SOTA)結果。

在通過課程的第2部分並最終學習如何實現神經網路之後,在課程的第 3 節中,你將學習如何使用強化學習,特別是 Deep-Q Network 來製作你自己的股票交易機器人

第 4 節是關於 TensorFlow Extended (TFX)的。 在本課程的這一部分中,你將學習如何處理資料並為營運建立自己的資料管道( data pipelines )。 在第8部分,我們將使用 TensorFlow 資料驗證程式庫檢查資料集是否有任何異常,在學習如何檢查資料集異常之後,在第 9 節,我們將使用 TensorFlow 轉換程式庫製作我們自己的資料預處理管道( data preprocessing pipeline )。

在本課程的第 10 節中,你將學習並使用 Flask Python 程式庫和預先訓練的模型建立你自己的流行 API。 在本節中,你將更好地瞭解如何通過網路向模型傳送請求。 但是,在這個階段,圍繞模型的架構無法擴展到數百萬個請求。 進入第 11 節,在本課程的這一節中,你將學習如何以一種非常簡單的方式使用 TensorFlow Serving 程式庫來改進前一節的解決方案。 你將學習並建立自己的影像分類 API,可以支援每天數百萬的請求

現在,在 Android 或 iOS 應用程式中安裝深度學習模型變得越來越流行,但是神經網路需要大量的能量和資源! 這就是 TensorFlow Lite 程式庫發揮作用的地方。 在課程的第 12 節,你將學習如何最佳化和轉換任何適合行動裝置的神經網路

作為學習過程和本課程第5部分的總結,在第 13 節中,你將學習如何使用 TensorFlow 2.0 程式庫將任何神經網路的訓練分配給多個 GPU 甚至伺服器。

目標受眾

  • 想學習 Tensorflow 2.0的深度學習工程師
  • 想要擴展自己的深度學習堆疊技能人工智慧工程師
  • 希望進入深度學習和人工智慧領域的電腦科學家
  • 想把自己的人工智慧技能提升到一個新的水平的資料科學家
  • 希望拓展應用領域的人工智慧專家
  • 希望進入深度學習和人工智慧領域的 Python 開發人員
  • 從事技術和自動化工作的工程師
  • 希望在競爭中領先的商人和公司
  • 希望從事資料科學、機器學習或人工智慧職業等相關技術領域的學生
  • 任何對人工智慧充滿熱情的人

講師簡介

Hadelin de Ponteves   資料科學家

你好。我的名字是 Hadelin de Ponteves。總是渴望學習,我投入了大量的時間在學習和教學中,涵蓋廣泛的科學話題。

今天我熱衷於機器學習、深入學習和人工智慧 ( AI )。我將盡最大的努力傳達我對資料科學的熱情。我在這個領域獲得了豐富的經驗。我擁有資料科學專業的工程碩士學位。我花了一年時間研究機器學習,從事創新和令人興奮的專案。 然後在Google的工作經驗中,我實施了一些用於商業分析的機器學習模型。

最終,我意識到我花了大部分時間做分析,我逐漸需要培養更多的創意,所以我踏入創業生涯。我的課程結合分析和創造力的兩個維度,使你可以在應用於創意思考的同時學習資料科學中所需的所有分析技能。

期待和你一起完成學習!

Hadelin de Ponteves

Kirill Eremenko   資料科學家和外匯系統專家

我的名字是 Kirill Eremenko ,你正在讀這讓我超級興奮 !

我在 Udemy 量個別的領域授課 : 資料科學和外匯交易。我想你將會對我是否可以提供你最好的訓練有信心,以下是我在這兩個領域的一些背景。

資料科學

在專業方面,我有超過 5 年在金融、零售、交通運輸等行業的資料科學管理顧問經驗。曾受過澳大利亞 Deloitte 最好的分析導師的訓練,今天我運用大數據來推動企業戰略、改造客戶體驗和徹底改變現有的操作流程。

從我的課程中,你將立即注意到我如何將現實生活的經驗和物理與數學學術背景結合起來,在資料科學領域提供專業的分步指導。我也熱衷於公開演講,並定期在澳大利亞領先的大學和行業盛會上介紹大數據。

外匯交易

自2007年以來,我一直以交易員的身份積極參與外匯市場,並辦 MQL4 的程式設計課程計畫。我很享受外匯交易,因為外匯市場可以帶來的財務上的自由,更重要的 – 個人自由

我生活的另一部分-是一個資料科學家 – 研究商業流程和人類行為模式的各種模式… 聽起來很熟悉?是的!巧合的是,我也是演算法交易的大粉絲 : ) EAs、外匯機器人、指標、腳本、MQL4, 甚至使用 java 程式設計做外匯 – 我全部都很愛!

Kirill Eremenko

SuperDataScience 團隊    幫助資料科學家成功的團隊

Hi, 你好!

我們是 SuperDataScience 團隊。你將在 Kirill Eremenko 教授的資料科學課程中看到我們 – 我們在這裡幫助你解決任何問題,並確保你在課程的旅程中總是一舤風順!

聯繫最好的方法是在你正在學習的課程的問答中討論。在大多數情況下,我們會在24小時內回覆。

我們熱衷於幫助你享受課程!

課堂中見囉!

誠摯地,
SuperDataScience 真正的人

Luka Anicin 人工智慧工程師

大家好,我叫 Luka Anicin。

我是一名人工智慧工程師,在能源、零售、教育、金融和其它產業有三年以上的工作經驗。 除了我的工程師角色,我還是一個資料科學顧問,幫助團隊和公司成為資料驅動的團隊。

在我的課程中,我教授常見的資料科學概念,並展示如何在真實世界中使用它們。 我希望我的課程能夠幫助你找到第一份工作,甚至是轉行。

期待與你合作!

英文字幕:有

  • 想要了解如何將英文字幕自動翻譯成中文? 請參考這篇 How-To

優惠資訊

如何購買這門課程比較划算?可以參考課程合購優惠方案


報名參加課程

Sponsored by Udemy

也許你會有興趣

 學習資訊不漏接-歡迎使用 App 訂閱發文通知 

發表迴響

這個網站採用 Akismet 服務減少垃圾留言。進一步瞭解 Akismet 如何處理網站訪客的留言資料

Powered by WordPress.com.

Up ↑

%d 位部落客按了讚: