TensorFlow 開發者認證-從零到精通

這門課程將教授學生如何使用 TensorFlow 建構神經網路，並通過 Google 官方的 TensorFlow 開發者認證考試，從而成為人工智慧、機器學習和深度學習專家，並獲得招聘單位認可的頂級候選人。課程將從TensorFlow 的絕對初學者開始，並教授建構最先進的深度學習神經路絡，並瞭解如何將機器學習整合到工具和應用程式中，以及使用深度神經網路和卷積神經網路建構影像辨識、物體檢測、文字識別演算法等。

從這 63 小時的課程，你會學到

學習通過 Google 官方的 TensorFlow 開發者認證考試（並將其加入你的履歷中)
使用電腦視覺、卷積神經網路和自然語言處理建立 TensorFlow 模型
完整訪問所有的互動筆記本和所有的課程幻燈片作為可下載的指南
提高你在機器學習和深度學習方面的技能，用 TensorFlow 評估考試測試你的能力
瞭解如何將機器學習整合到工具和應用程式中
學習使用最新的 TensorFlow 2 建構所有型別的機器學習模型
用深度神經網路和卷積神經網路建構影像辨識、物體檢測、文字識別演算法
使用不同形狀和大小的真實世界的影像，透過卷積視覺化影像的旅程，瞭解電腦如何 “看到 “資訊，情節損失和準確性
將深度學習應用於時間序列預測
獲得成為 TensorFlow 認證開發者所需的技能
成為尋求 TensorFlow 開發人員的招聘單位認可的頂級候選人

要求

Mac / Windows / Linux – 所有的作業系統都可以使用本課程
不需要以前的 TensorFlow 知識。對機器學習的基本瞭解是有幫助的

課程說明

剛剛發布了使用 TensorFlow 構建神經網路並通過 TensorFlow 開發人員證書考試的所有現代最佳實踐！

加入擁有超過 900,000 名學生的實時在線社區和由 TensorFlow 認證專家教授的課程。本課程將帶你從 TensorFlow 的絕對初學者，到創建最先進的深度學習神經路絡並成為 Google 的 TensorFlow 認證網路的一部分。

TensorFlow 專家的年薪高達 204,000 美元，根據2023年的統計，平均工資徘徊在 148,000 美元左右。透過這個被 Google 官方認可的證書，你將加入不斷成長的機器學習行業，成為一個收入最高的 TensorFlow 開發者如果你通過了考試，你也將成為 Google TensorFlow 開發者網路的一部分，招聘人員能夠找到你。

本課程的目標是教你所有必要的技能，讓你去通過這個考試，獲得 Google 的 TensorFlow 認證，這樣你就可以在你的履歷、LinkedIn、Github和其他社交媒體平台上展示它，真正讓你脫穎而出。

以下是我們將教授的全部課程明細（是的，它非常全面，但不要被嚇倒，因為我們將從頭開始教你一切！）。

這個課程將是非常實用的，以專案為基礎。你不會只是盯著我們講課，而是會真正去做實驗，做練習，建立機器學習模型和專案來模仿現實生活中的情境。最重要的是，我們會告訴你 TensorFlow 考試對你來說是什麼樣子。在這一切結束時，你將開發出開發大型科技公司遇到的現代深度學習解決方案所需的技能組合。

0 – TensorFlow基礎知識

張量的介紹（建立張量 )
從張量中獲取資訊（張量屬性)
操縱張量（張量操作)
張量和NumPy
使用@tf.function（一種加速你的常規Python函式的方法)
在 TensorFlow 中使用GPU

1 – 用 TensorFlow 進行神經網路迴歸

建立具有多層的TensorFlow順序模型
準備用於機器學習模型的資料
學習構成深度學習模型的不同元件（損失函式，架構，最佳化函式
學習如何診斷一個迴歸問題（預測一個數字）併為其建立一個神經網路

2 – 使用 TensorFlow 的神經網路分類

學習如何診斷分類問題（預測某樣東西是一種還是另一種）
使用 TensorFlow 建立、編譯和訓練機器學習分類模型
建立和訓練二元和多元分類的模型
繪製模型效能指標的對比圖
匹配輸入（訓練資料形狀）和輸出形狀（預測資料目標）

3 – 使用 TensorFlow 的電腦視覺和卷積神經網路

用 Conv2D 和池化層建立卷積神經網路
學習如何診斷不同種類的電腦視覺問題
學習如何建構電腦視覺神經網路
學習如何用你的電腦視覺模型使用真實世界的影像

4 – 使用 TensorFlow 的遷移學習第一部分-特徵提取

學習如何使用預訓練的模型來從你自己的資料中提取特徵
學習如何使用 TensorFlow Hub 進行預訓練的模型
學習如何使用 TensorBoard 來比較幾個不同模型的效能

5 – 使用 TensorFlow 的遷移學習第二部分：微調

學習如何設定和執行幾個機器學習實驗
學習如何使用資料增強來增加訓練資料的多樣性
學習如何微調預訓練的模型來解決你自己的自定義問題
學習如何在訓練過程中使用 Callbacks 來為你的模型新增功能

6 – TensorFlow的遷移學習第3部分：擴充（食品視覺迷你）。

學習如何擴大現有模型的規模
學習如何透過找到最錯誤的預測來評估你的機器學習模型
只用10%的資料就能打敗 Food101 的原始論文

7 – 里程碑專案1：食物視覺

結合你在前面 6 個筆記本中所學到的一切，建立食物視覺：一個能夠對 101 種不同食物進行分類的電腦視覺模型。我們的模型很好地擊敗了原始的 Food101 論文。

8 – TensorFlow中的 NLP 基礎知識

學習。
- 預處理自然語言文字以用於神經網路
- 用 TensorFlow 建立詞嵌入（文字的數字表示）
- 使用建立能夠進行二元和多類分類的神經網路
  - RNNs（遞迴神經網路)
  - LSTMs（長短期記憶單元)
  - GRU（門控迴圈單元)
  - CNNs
瞭解如何評估你的 NLP 模型

9 – 里程碑專案2：SkimLit

複製 PubMed 200k 論文的模型，對 PubMed 醫學摘要中的不同序列進行分類（可以幫助研究人員更快地閱讀醫學摘要）

10 – TensorFlow 中的時間序列基礎知識

學習如何診斷一個時間序列問題（建立一個模型，根據跨時間的資料進行預測，例如預測明天 AAPL 的股價)
為時間序列神經網路準備資料（特徵和標籤)
瞭解和使用不同的時間序列評估方法
- MAE – 平均絕對誤差
用 TensorFlow 建立時間序列預測模型
- RNNs（遞迴神經網路)
- CNNs（卷積神經網路)

11 – 里程碑專案3：（驚喜)

如果你讀到這裡，你可能對這個課程感興趣。這最後一個專案將是很好的。我們向你保證，所以在課程中見；)

TensorFlow 越來越受歡迎，越來越多的職位空缺出現在這個專業知識方面。事實上，TensorFlow 在就業市場上正在超過其他流行的機器學習工具，如PyTorch。Google、Airbnb、Uber、DeepMind、英特爾、IBM、Twitter和其他許多公司目前都採用 TensorFlow。這些大型科技公司使用這項技術是有原因的，你會發現 TensorFlow 給開發者帶來的所有力量。

我們向你保證，這是關於通過 TensorFlow 開發者認證的最全面的線上課程，使你有資格成為 TensorFlow 專家。所以，為什麼要等待？透過成為 Google 認證的開發人員使自己脫穎而出，並推動你的職業生涯。

在課程中見!

目標受眾

任何想要通過 TensorFlow 開發者考試的人，這樣他們就可以加入 Google 的證書網路，並在他們的履歷、GitHub和包括 LinkedIn 在內的社交媒體平台上展示他們的證書和徽章，從而很容易與世界分享他們的 TensorFlow 專業知識水平。
希望透過使用 TensorFlow 建構和訓練模型來展示實際機器學習技能的學生、開發人員和資料科學家
任何希望在人工智慧、機器學習和深度學習方面擴充其知識的人
任何希望掌握用最新版本的 TensorFlow 建構機器學習模型的人

講師簡介

Andrei Neagoie 由高階軟體開發人員轉為講師 ( 更多講師主講課程介紹 )

Andrei 是 Udemy 網頁程式開發課程評價很高的教師，也是成長最快的教師之一。他的畢業生已經進入世界上一些最大的科技公司工作，比如蘋果、谷歌、摩根大通、 IBM 等等。 . 多年來，他一直在矽谷和多倫多擔任高階軟體開發人員，現在正在利用他所學到的一切，來教授程式設計技能，並幫助你發現作為一名開發人員在生活中所能提供的驚人的就業機會。

作為一個自學的程式設計師，他知道有大量的線上課程、教程和書籍過於冗長，不足以教授正確的技能。大多數人在學習一個複雜的主題時會感到麻痺，不知道從哪裡開始，或者更糟糕的是，大多數人沒有20,000美元用於程式設計訓練營。 程式設計技能學習應該是所有人可以負擔的起，並且對所有人開放。教材應該教授現代生活技能，不應該浪費學生寶貴的時間。 Andrei 從為財富500強企業、科技創業公司工作中學到了重要的經驗，甚至開創了自己的事業，他現在 100% 地投入時間教授其他人有價值的軟體開發技能，以便掌控他們的生活，在一個充滿無限可能性且激動人心的行業中工作。

Andrei 向你保證，沒有其它課程有這麼全面和詳細的解釋。他認為，為了學習任何有價值的東西，你需要從基礎開始，發展樹的根本。只有從那裡你才能學到與基礎相關的概念和具體技能(葉子)。當以這種方式建立時，學習將會呈現指數級的成長。

以他的教育心理學和程式設計經驗，Andrei 的課程將帶你瞭解複雜的主題，你從來沒有想過是可能的。

課程中見！

Daniel Bourke 機器學習工程師 / 工程師 / 視訊製作 (更多講師主講課程介紹)

一位自學成才的機器學習工程師，他生活在網路上，無可救藥地不做長距離散步和填滿空白頁的慾望。

我在機器學習方面的經驗來自在澳大利亞成長最快的人工智能機構之一 Max Kelsen 的工作。我致力於醫療、電子商務、金融、零售等眾多行業的機器學習和數據問題。我最喜歡的兩個專案包括：建立機器學習模型以從澳大利亞領先的醫學研究機構之一的醫生記錄中提取資訊，以及建立自然語言模型以評估澳大利亞最大的保險集團之一的保險索賠。由於自然語言模型（一種讀取保險索賠並確定哪一方有過錯的模型）的性能，該保險公司能夠將其每日評估負擔減少多達 2500 個索賠。

我的長期目標是結合我的機器學習知識和營養知識，努力回答“我應該吃什麼”這個問題。除了自己建立機器學習模型之外，我還喜歡課程撰寫和製作視頻。我在 Medium、個人部落格和 YouTube 上有關機器學習的文章和視頻總計獲得了超過 500 萬次觀看。

沒有比以娛樂性和教育性方式來解釋的一個複雜主題更讓我喜歡。我知道嘗試線上和獨自學習新主題的感覺。因此，我傾注了自己的心血，以確保我的作品盡可能地可被訪問且有幫助。我的作法（我做事的方式的幻想）是學習創造和創造學習。如果你知道這個概念的日語單詞，請告訴我。

你的問題永遠受到歡迎。

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

點選 ✨ 大多課程 NT320優惠連結 (到 425 )| Udemy 永久擁有課程 ( 在電腦瀏覽器登入，點選“優惠連結”後再回想要的課程介紹中點選“報名參加課程”即可取得）
Udemy 現在越來越多課程有中文字幕，請參考 Soft & Share 中文線上課程
手機上點選優惠連結看到的價格比電腦上看到的貴
＄代表當地貨幣, 如在台灣為 NT
點選”報名參加課程”有可能因瀏覽器 cookies 轉久一點或回報錯誤而無法連上，請稍等刷新或重新點選就會出現