官方 | 发布 TensorFlow 入门实践课程

技术分享
,
1

《TensorFlow 官方入门实操课程》是由来自Google的 TensorFlow 技术推广工程师 Laurence Moroney 制作的新手入门课程，此次由TensorFlow官方团队与老师们合作联合推出中文版本。作为机器学习新手的入门课，您不仅可以了解到机器学习的基础知识，还将有机会进行线上实操练习训练，能更快地学以致用。在科技创新的进程中，助您零基础闯关机器学习。

image
image1264×533 97.2 KB

即刻 访问中国大学 MOOC 网站查看课程！

课程特色

机器学习理论

您将了解如何使用 TensorFlow 来实现机器学习的应用，掌握使用 TensorFlow 的最佳做法。并了解关于入门级计算机视觉、NLP 和序列模型的拓展知识，以及如何使用 TensorFlow 针对各种场景构建基本模型，包括图像分类、理解文本中的情感以及生成式算法等。

线上实操训练

亲身体验机器学习是检验知识掌握情况的最佳方式，因此，我们提供免费算力支持的线上实训平台。无需环境设置，您可直接在线进行实操练习并获取一些经验。

课程概述

如果您是一名软件开发人员，想要构建AI驱动的算法，那么您需要了解如何使用 TensorFlow 进行开发。本课程旨在指导刚接触机器学习的开发者顺利完成其机器学习之旅的起始学习阶段，帮助您快速掌握机器学习的基础知识，并在课程的引导下通过 TensorFlow 进行深度学习，然后您将有机会通过 中国大学 MOOC 在线实训平台 进行实操练习从新手教程中学到知识。完成此部分学习后，您将掌握有关机器学习工作原理的基础知识，从而为更深入的学习做好准备。

完成此部分学习后，您将掌握到：

  • 使用TensorFlow建立和训练神经网络
  • 在训练网络识别真实图像时，使用卷积提高网络性能（10月15日上线）
  • 用自然语言处理系统教会机器理解、分析和回应人类的言语 (即将上线）
  • 处理文本，以句子为载体训练模型，训练模型创造出原创诗句！(即将上线）
  • 序列，时间序列和预测 (即将上线）
  • TensorFlow Lite (即将上线）
  • TensorFlow JS (即将上线）

本课程不提供证书，但是作为 TensorFlow 开发者认证计划的官方配套入门课程，本课程将为您进行更深入的学习打下坚实的基础，帮助您通过 TensorFlow 官方认证考试。请前往“TensorFlow 认证计划”官网了解更多认证考试相关信息。

课程大纲

第一部分：TensorFlow深度学习的第一门课程

如果您是一名软件开发人员，想要构建AI驱动的算法，那么您需要了解如何使用TensorFlow进行开发。TensorFlow是一个广受欢迎的机器学习开源框架。本课程是TensorFlow机器学习系列课程的入门部分，帮助您了解机器学习的设计思路和基本方法，体验TensorFlow的最佳实践模式，培养运用AI解决问题的直觉。

第一章：TensorFlow介绍
1.1 机器学习引言
1.2 开发环境准备
1.3 一个神经元的网络

第二章：计算机视觉介绍
2.1 计算机视觉
2.2 加载Fashion MNIST
2.3 构造神经元网络模型
2.4 训练和评估模型
2.5 自动终止训练

第三章：卷积介绍
3.1 卷积神经网络
3.2 卷积网络程序
3.3 卷积网络结构

第四章：更复杂的图像应用
4.1 项目实战
4.2 ImageDataGenerator
4.3 构建并训练模型
4.4 优化模型参数

第二部分：机器视觉 - 图像分类

本部分主要介绍常用卷积神经网络模型，包括类LeNet 网络、Inception网络等模型在常见图像分类情景中的应用，包括狗猫识别、人马识别、手势识别和手写体识别等应用。通过代码详细解释数据分析的全过程。

第五章：图像分类基础应用
5.1 狗猫分类案例

第六章：迁移学习
6.1 人马分类案例

第七章：图像多元分类
7.1 手写体识别案例
7.2 剪刀石头布案例

还有更多内容，敬请期待！

预备知识

  • 在开始学习课程之前，请确保具有软件开发经验，尤其是 Python 开发经验
  • 本课程适用于以下人员：刚开始接触机器学习，但具有计算机科学或开发背景

即刻 访问中国大学 MOOC 网站查看课程！

延展阅读

课程第一部分延展阅读

课程回顾

在第一部分的课程里，老师分四个章节介绍了什么是机器学习、数据集的加载和处理方法、如何构建和训练模型、以及优化模型参数的基本知识。通过几个基础模型的构建和训练，本章课程在指引大家的 TensorFlow 使用过程之余，也鼓励广大开发者将机器学习应用到实践中，助力更多实际问题的解决。

推荐初学者的延伸阅读

除了课程内容和实训练习外，我们推荐各位初学者延伸阅读以下几篇推文，不仅总结和回顾了本章所学的知识重点，还为机器学习新手们补充了不能错过的入门指南。

课程中提到的计算机视觉和图像处理模型，也是 TensorFlow 目前的主流开发领域，助力实现了很多有趣的行业应用，通过学习阅读实际生产环境的用例，可以帮助入门的同学理解现在所掌握的机器学习知识在现实中的实际使用，完善对于知识体系的构建，展开对于自己身边可以解决的实际问题的创新实践。

课程第二部分延展阅读

课程回顾

在第二部分的课程里，老师引入了几个常见的图像分类场景，例如猫狗分类、人马分类、手势和手写体识别等，介绍了卷积神经网络模型在计算机视觉领域的应用。针对这些具体案例，老师不仅指引了代码调用和模型训练，还展现了详细的数据分析过程，帮助大家进一步了解机器视觉方向的研究方法和思路。

推荐初学者的延伸阅读

TensorFlow 官网是学习研究机器学习的最佳资源之一，配合课程中对计算机视觉的研讨和探索，我们推荐初学者了解以下两个最有代表性的图像分类教程可以系统性地梳理和总结课程中提到的训练思路和案例，手把手复现代码功能。

  • 图像分类
    介绍了如何借助机器学习模型识别花朵，是一个简明易懂的图像分类教程

  • 迁移学习
    延展了课程中介绍的猫狗分类问题，指引大家通过预训练和迁移学习实现识别效果

课程里老师介绍的图像多元分类案例，例如手写体识别，也被广泛应用于解决实际问题:

  • 习字助手:高一学生用 TensorFlow 助力汉字传播
    TensorFlow 简单易用，看看高一的学生如何从身边的发现出发，通过图像识别模型和深度学习框架，评估手写体和标准体的相似程度，从而实现汉字的相似度判断，帮助汉语爱好者学习和练习汉字书写

  • 经验总结:使用 TensorFlow 2 识别验证码过程中踩过的坑
    TensorFlow 丰富活跃的社区，是交流学习的场所，来看看乐于分享的社区积极开发者撰写的适合新手学习和进行尝试的社区经验指南，分享图像识别和计算机视觉训练 TensorFlow 2 的实践经验

除此之外，在学习过程中，当各位新手开发者遇到困难时，可以借助文档学习解决开发问题，来自 TensorFlow 的技术推广工程师魏巍老师提供了非常实用的文档学习指南:

课程第三部分延展阅读

课程回顾

在第三部分的课程里，老师介绍了运用 TensorFlow 进行自然语言处理的相关知识，包括词条化和序列化的处理、词嵌入的基本原理，并通过讽刺新闻数据集展示和指引了项目实操。除此之外，本次课程还介绍了循环神经网络训练，并通过诗歌生成项目，指引各位开发者在此基础上设计和实现文本生成，帮助大家快速入门自然语言处理 (NLP) 领域。

推荐初学者的延伸阅读

除了课程内容外，TensorFlow 官网也为大家提供了学习研究机器学习丰富实用的资源，例如老师在课程中提到的 TensorFlow tfds 数据集、IMDB 数据集和课后练习，都可以在 TensorFlow 官网上找到：

另外，我们还推荐以下三篇文章作为延展阅读，可以帮助大家理解老师在本部分课程中提到的自然语言处理的相关知识:

其中被老师誉为“机器学习中的明珠”的自然语言处理，作为备受开发者关注的热门领域，在解决实际问题过程中也迸发出了很多巧妙的应用，我们推荐有兴趣的同学延伸阅读以下两篇文章，希望你能够进一步感受 NLP 的无限魅力:

即刻 访问中国大学 MOOC 网站查看课程！

原文：TensorFlow 公众号

1 Like