Develop essential data science & ai skills with expert instruction and practical examples.
欢迎来到TensorFlow 2. 0！刚刚发布的TensorFlow 2. 0引入了诸多功能来简化模型的开发和维护过程。在教学方面，通过将许多复杂概念进行简化来增进人们的理解。从工业界的角度，模型变得更容易理解、维护和开发。深度学习是人工智能发展最快的领域之一。在过去几年中，我们已经证实深度学习模型，即使是最简单的模型，也能够解决非常困难和复杂的问题。如今，随着深度学习的流行语时代成为过去时，人们正在不断释放其威力和潜能，用来改进他们的产品。本课程的结构设计涵盖包括从神经网络建模，训练，到将模型投入生产环境的全部主题。在课程的第1部分，您会了解到贯穿我们整个课程的技术栈（第1节），以及TensorFlow 2.
0库的基础和语法（第2节）。在课程的第2部分，我们将进入激动人心的深度学习领域。在这部分的课程中，您将亲手实现若干类型的神经网络（全连接神经网络（第3节），卷积神经网络（第4节），递归神经网络（第5节））。在这部分的尾声，第6节，您将学习并创建这些神经网络的迁移学习应用，这些应用在"猫狗分类"数据集上取得了目前最为领先(SOTA)的结果。在完成课程第2部分，并最终掌握如何实现神经网络之后，您将在课程的第3部分学习如何利用强化学习，尤其是深度-Q学习，来构造自己的股票市场交易机器人模型。课程第4部分全部是关于TensorFlow Extended (TFX)的内容。在这部分课程中，您会学习如何处理数据，并创建用于生产的数据流水线。在第8节，我们将通过TensorFlow Data Validation库查看数据集是否存在异常，在这之后的第9节，我们会通过TensorFlow Transform库来构造数据预处理流水线。在课程第10节，您会通过Flask Python库和训练好的模型，来学习和创建自己的Fashion API。在这一节中，您将更好的了解如何通过互联网向一个模型发送请求。但是在这个阶段，以模型为中心的体系并不能扩展到能够接受数百万的请求。那么当我们进入第11节，在这部分课程中，您将学习如何通过TensorFlow Serving库来改进我们前一节的解决方案。您将轻松学习并创建能够支持每日数百万请求的图像分类API！当前，在Android和iOS应用中使用深度学习模型正在变得逐渐流行，但神经网络需要大量的耗电以及资源！这时，TensorFlow Lite库就要发挥作用了。在课程第12节，您将学习对神经网络进行优化和转换，以适应移动设备的要求。在本课程的尾声，即课程第5部分，在第13节中您将学习如何通过TensorFlow 2. 0库，将任意神经网络的训练分布到多个GPU，甚至是服务器上。.
View pricing and check out the reviews. See what other learners had to say about the course.
Not sure if this is right for you?
Browse More Data Science & AI CoursesExplore more Data Science & AI courses to deepen your skills and advance your expertise.
