TensorFlow 2.0: 關於全新TensorFlow的完整指南 ( 附有簡中字幕 )

Contents

利用TensorFlow 2.0構建精彩的深度學習和人工智慧應用（英語授課）

從這 13 小時的課程，你會學到

如何在資料科學中使用 Tensorflow 2.0
Tensorflow 1.x 和 Tensorflow 2.0 之間的重要差異
如何在 Tensorflow 2.0 中實現人工神經網路
如何在 Tensorflow 2.0 中實現卷積神經網路
如何在 Tensorflow 2.0 中實現遞迴神經網路
如何在 Tensorflow 2.0 中構建你自己的遷移學習應用
如何通過強化學習（深度-Q網路）來構建股票市場交易機器人
如何在 Tensorflow 2.0 中構造機器學習流水線
如何通過 TensorFlow Data Validation 和 TensorFlow Transform 進行資料驗證和資料集預處理
將 TensorFlow 2.0 模型放入生產
如何利用 Flask 和 TensorFlow 2.0 創造一個 Fashion API
如何通過 RESTful API 為 TensorFlow 模型提供服務

要求

一些數學基礎，比如瞭解對差分、梯度有所瞭解
Python基礎

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。