Python玩转人工智能最火框架 TensorFlow应用实践

Python玩转人工智能最火框架 TensorFlow应用实践

• 第1章 课程整体介绍

  课程背景简介，项目成果演示，知识点和软件简介，让大家对接下来的学习心中有数

  •  1-1 课程整体介绍及导学

• 第2章 人工智能基础知识

  人工智能、神经网络、机器学习、深度学习、激活函数、过拟合、卷积神经网络、循环神经网络等知识的循序渐进讲解。培养大家对课程的兴趣，了解人工智能前景，对人工智能抱持正确态度

  •  2-1 什么是人工智能试看
  •  2-2 人工智能前景试看
  •  2-3 人工智能需要的基本数学知识试看
  •  2-4 人工智能简史
  •  2-5 AI、机器学习和深度学习的关联
  •  2-6 什么是机器学习
  •  2-7 面对AI，我们应有的态度
  •  2-8 什么是过拟合
  •  2-9 什么是深度学习

  

   

   

其它学习课程目录：

 从零起步 系统入门Python爬虫工程师

全面系统Python3入门+进阶课程

Django+小程序技术打造微信小程序助手

强力Django+杀手级xadmin开发在线教育网站 

Python高级核心技术97讲 系列教程

链接：https://pan.baidu.com/s/1HRPQvQ0O_8Te4_Dgu5_bfg
提取码：vfan

免费分享，但是X度限制严重，如若链接失效点击链接或搜索加群 群号517432778，点击加群

 

 

• 第3章 TensorFlow简介和开发环境搭建

  TensorFlow是什么，TensorFlow原理和前景，TensorFlow和其他框架的对比（例如 Theano，ScikitLearn，Keras，Caffe2，PyTorch等）。开发环境搭建，并提供讲师已经配置好开发环境的虚拟机镜像

  •  3-1 什么是TensorFlow
  •  3-2 TensorFlow和其他机器学习库的对比1
  •  3-3 如何学习TensorFlow
  •  3-4 TensorFlow前景
  •  3-5 如何使用课程提供的虚拟机文件
  •  3-6 安装VirtualBox
  •  3-7 安装Ubuntu
  •  3-8 配置Ubuntu系统
  •  3-9 安装Python
  •  3-10 安装TensorFlow（上）
  •  3-11 安装TensorFLow（下）
  •  3-12 安装Python类库

• 第4章 TensorFlow原理与进阶（代码实践）

  TensorFlow核心概念，TensorFlow激励函数，TensorFlow构建神经网络，TensorFlow优化器，可视化利器TensorBoard，TensorFlow解决过拟合，TensorFlow实现卷积神经网络和循环神经网络等。通过生动图文原理解释和实例，循序渐进掌握TensorFlow

  •  4-1 从HelloWorld开始
  •  4-2 TensorFlow的编程模式
  •  4-3 TensorFlow的基础结构
  •  4-4 图和会话
  •  4-5 Python常用库Numpy的使用
  •  4-6 什么是Tensor（上）
  •  4-7 什么是Tensor（下）
  •  4-8 图和会话原理及案例（上）
  •  4-9 图和会话原理及案例（下）
  •  4-10 可视化利器TensorBoard（上）
  •  4-11 可视化利器TensorBoard（下）
  •  4-12 酷炫模拟游乐园PlayGround
  •  4-13 常用Python库Matplotlib
  •  4-14 综合小练习：梯度下降解决线性回归（上）
  •  4-15 综合小练习：梯度下降解决线性回归（中）
  •  4-16 综合小练习：梯度下降解决线性回归（下）
  •  4-17 激活函数（上）
  •  4-18 激活函数（下）
  •  4-19 动手实现CNN卷积神经网络（一）
  •  4-20 动手实现CNN卷积神经网络（二）
  •  4-21 动手实现CNN卷积神经网络（三）
  •  4-22 动手实现CNN卷积神经网络（四）
  •  4-23 动手实现CNN卷积神经网络（五）
  •  4-24 动手实现RNN-LSTM循环神经网络（一）：背景和知识点
  •  4-25 动手实现RNN-LSTM循环神经网络（二）：编写实用方法(上)
  •  4-26 动手实现RNN-LSTM循环神经网络（三）：编写实用方法(中)
  •  4-27 动手实现RNN-LSTM循环神经网络（四）：编写实用方法(下)1
  •  4-28 动手实现RNN-LSTM循环神经网络（四）：编写实用方法(下)2
  •  4-29 动手实现RNN-LSTM循环神经网络（五）：编写神经网络模型(上)
  •  4-30 动手实现RNN-LSTM循环神经网络（六）：编写神经网络模型(中)1
  •  4-31 动手实现RNN-LSTM循环神经网络（六）：编写神经网络模型(中)2
  •  4-32 动手实现RNN-LSTM循环神经网络（七）：编写神经网络模型(下)
  •  4-33 动手实现RNN-LSTM循环神经网络（八）：编写训练方法(上)
  •  4-34 动手实现RNN-LSTM循环神经网络（九）：编写训练方法(下)
  •  4-35 动手实现RNN-LSTM循环神经网络（十）：编写测试方法
  •  4-36 动手实现RNN-LSTM循环神经网络（十一）：实际训练和测试

• 第5章 案例一 会作曲的人工智能

  结合RNN-LSTM开发能作出动听旋律的炫酷人工智能：背景和知识点简介，开发环境配置，原理讲解，代码实现，训练模型和测试

  •  5-1 背景和知识点简介
  •  5-2 音乐和数学的联系
  •  5-3 什么是MIDI文件
  •  5-4 配置开发环境
  •  5-5 编写转换MIDI到MP3的方法
  •  5-6 Python音乐库Music21的使用和测试方法
  •  5-7 编写整个神经网络模型
  •  5-8 编写从训练文件获取音符的方法
  •  5-9 编写从预测数据来生成音乐的方法
  •  5-10 编写训练神经网络的方法（一）
  •  5-11 编写训练神经网络的方法（二）
  •  5-12 编写训练神经网络的方法（三）
  •  5-13 编写神经网络生成音乐的方法（一）
  •  5-14 编写神经网络生成音乐的方法（二）
  •  5-15 纯TensorFlow版的预告

• 第6章 案例二 会Photoshop的人工智能

  结合DCGAN开发会PS的人工智能。从此P图不用愁，分分钟搞定N多图片的创建：背景和知识点简介，开发环境配置，原理讲解，代码实现，训练模型和测试

  •  6-1 背景和知识点简介
  •  6-2 配置开发环境
  •  6-3 什么是GAN(生成对抗网络)
  •  6-4 什么是DCGAN
  •  6-5 编写DCGAN中的判别器模型（上）
  •  6-6 编写DCGAN中的判别器模型（下）
  •  6-7 编写DCGAN中的生成器模型
  •  6-8 编写训练神经网络的方法（上）
  •  6-9 编写训练神经网络的方法（下）
  •  6-10 编写神经网络生成图片的方法
  •  6-11 代码完成和测试模型
  •  6-12 纯TensorFlow版的预告