課程大綱： 深度學習應用開(kai)發-TensorFlow培訓(xun)
課程導學
開篇語
課程安排
第一講(jiang) 人(ren)工智能導論
人(ren)工智能(neng) 未來(lai)(lai)已(yi)來(lai)(lai)？
人(ren)工智能 未來已來！
人工智能發(fa)展史 跌宕起伏的60+年
第(di)二講 深度(du)學(xue)習簡(jian)介及開(kai)發環境搭建
人(ren)工智能、機器學習與深(shen)度學習
深(shen)度神經網路(lu)與深(shen)度學習框架
Anaconda和TensorFlow開發環境搭建
第三講(jiang)（根據基(ji)礎(chu)(chu)選修） 工欲善其事(shi)必(bi)先利其器：簡明(ming)Python基(ji)礎(chu)(chu)
引言、輸出語句Print、變量、數據類型和基本運算
字符(fu)串(chuan)、列(lie)表、元組、集(ji)合、字典、格式化輸出和類(lei)型轉(zhuan)換
程序結構與控制語句
測試1：Python基礎測試
作(zuo)業(ye)(ye)1：Python小(xiao)作(zuo)業(ye)(ye) 小(xiao)說詞頻統(tong)計
第四講 磨(mo)刀(dao)不誤砍柴(chai)工(gong)：TensorFlow 編程基(ji)礎
TensorFlow的基礎概念
TensorFlow的(de)基本運算
TensorBoard可視化(hua)初步(bu)
（新）TensorFlow 2.0 編程基礎
測試2：Tensorflow編程基礎單元測試
第五講 單變(bian)量線性回歸：TesnsorFlow實戰
監督式機器學習的(de)基本術(shu)語
線性回(hui)歸問題TensorFlow實戰：初步
線性回歸(gui)問題TensorFlow實戰：進階
（新）線性回(hui)歸(gui)問題(ti)：TensorFlow 2 實踐(jian)
作業2：通過生成人工數據(ju)集合，基于(yu)TensorFlow實現y=3.1234*x+2.98線(xian)性回歸
第六講(jiang) 多元線性回歸：波士頓房價預測問題(ti)TesnsorFlow實(shi)戰
波士頓房價(jia)預測(ce)：數據與問(wen)題分(fen)析
機(ji)器學習中的線性代數基礎（根據基礎選修）
第一(yi)個版本的模型構建
后續版本的持續改進
（新）波士(shi)頓房價預測問題：TensorFlow 2 實踐
作(zuo)業3：波(bo)士頓(dun)房(fang)價預測線性(xing)回歸實踐(jian)
第七講 MNIST手(shou)寫數字識別：分類(lei)應(ying)用入門
MNIST手寫(xie)數字識別(bie)數據解讀
分類模型構建與訓練
（新）MNIST手寫數字識別(bie)：TensorFlow 2.0 實踐
作業4：FashionMNIST圖像(xiang)識別問(wen)題(ti)的神經(jing)元(yuan)模型實踐
第八講 MNIST手寫數字識別進(jin)階：多層(ceng)神(shen)經網絡與應用(yong)
單隱藏層神經(jing)網(wang)絡構建與(yu)應用
多層神經網絡(luo)建模與模型的保存(cun)還原
TensorBoard進階(jie)與TensorFlow游樂場
（新）MNIST手寫(xie)數字識別(bie)進階：TensorFlow 2.0實現
作業(ye)5：Fashion-MNIST圖(tu)像識別問題的多層神經網絡模型(xing)實踐
第九講 泰坦尼克號(hao)旅客生存預(yu)測：Keras應用實踐
泰(tai)坦尼克(ke)號(hao)旅(lv)客生存(cun)預測案(an)例分析與(yu)數據處(chu)理
Keras建模(mo)與應用(yong)
Keras模型訓練(lian)過程(cheng)中數據(ju)存儲與模型恢復
第十講 圖像識(shi)別問題：卷積神經網絡與應用(yong)
從全連接(jie)神經網絡到卷積神經網絡：解(jie)決參數(shu)太(tai)多的(de)問(wen)題
卷(juan)積(ji)神經網絡的基本結構
TensorFlow對卷積神經網絡的支持(chi)
CIFAR-10圖像分類案(an)例的TensorFlow卷積神經網(wang)絡實現
（新）CIFAR10圖像分類:TensorFlow2實現
作(zuo)業(ye)6：CIFAR10案例卷(juan)積(ji)神經網絡實踐
第十(shi)一講(jiang) Deep Dream：理解深度神(shen)經網絡結構(gou)及應用
Deep Dream：計(ji)算(suan)機生成夢幻圖像(xiang)
經(jing)典深度(du)神經(jing)網絡與數據增強
Inception模型文件導入與卷積(ji)層分析
Deep Dream圖像生成
（新）Deep Dream圖像生(sheng)成：TensorFlow2實(shi)現
作業7：Deep Dream圖像生成的(de)實踐
第十二講 電影評(ping)論(lun)情(qing)感分析：自然(ran)語言(yan)處理應用實踐
電影評論(lun)情感分(fen)析案例與IMDB數(shu)據集(ji)
自然語言處理基礎
電影評論情(qing)感分(fen)析數據處(chu)理及(ji)建模(mo)
循環神經(jing)網絡及其應用
第(di)十三講 貓狗大(da)戰：遷移學習及(ji)應用
貓狗大戰案例介紹
tf.data.Dataset數據集(ji)
基于VGG16的遷移學習模型構建與應用
TFRecord文件(jian)與應用
第(di)十四講（高階選修） 生成(cheng)式對抗網(wang)絡原理(li)及(ji)Tensorflow實現
生成式(shi)對抗網絡（GAN）的簡介
利用GAN生成Fashion-MNIST圖像
利用(yong)CGAN生成Fashion-MNIST圖像(xiang)
第十五講(jiang)（高階(jie)選修） 鳶尾花品種(zhong)識別：TensorFlow.js應用開發
TensorFlow.js介紹和第一個web程序
IDE和(he)第(di)一個TensorFlow.js程序
TensorFlow.js的核心概念和API介紹
鳶尾花分類案例構建
第(di)十六講（高階選修(xiu)） 花卉識別App：TensorFlow Lite與移動應用開發
TensorFlow Lite介紹和優勢特點
花卉識別：TFLite模型重(zhong)訓練和模型轉(zhuan)換
花卉識別：安卓App運行TFLite
加入高級會員獲得助教答疑
