基于Python玩转人工智能最火框架TensorFlow应用实践

课程标题:基于Python玩转人工智能最火框架 TensorFlow应用实践课程链接:https://coding.imooc.com/class/176.html课程简介:全民人工智能时代,不甘心只做一个旁观者,那就现在开始,从人 ...

Posted by northpark · on 2018-07-27

课程标题:

基于Python玩转人工智能最火框架 TensorFlow应用实践
https://coding.imooc.com/class/176.html

课程简介:

全民人工智能时代,不甘心只做一个旁观者,那就现在开始,从人工智能最流行的框架TensorFlow学起,本课程将手把手带你掌握TensorFlow技术,遵循从基础到实践应用的完整过程,是你通向人工智能开发的首选!

难度 中级 · 时长 15小时 · 学习人数 1186 · 综合评分 9.64分**

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
2-2 人工智能前景
2-3 人工智能需要的基本数学知识
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

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

第7章 案例三 会开3D赛车的人工智能

结合深度强化学习中的A3C实现会开3D赛车的人工智能,学会自动驾驶: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
7-1 背景和知识点简介
7-2 强化学习的经典实验环境
7-3 配置开发环境(1)
7-4 配置开发环境(2)
7-5 什么是强化学习
7-6 什么是Q Learning
7-7 Q-Learning 实现机器人走迷宫:创建环境
7-8 Q-Learning 实现机器人走迷宫:决策算法(1)
7-9 Q-Learning 实现机器人走迷宫:决策算法(2)
7-10 Q-Learning 实现机器人走迷宫:游戏主程序
7-11 Deep Q Learning 实现迷宫游戏:决策算法(1)
7-12 Deep Q Learning 实现迷宫游戏:决策算法(2)
7-13 Deep Q Learning 实现迷宫游戏:决策算法(3)
7-14 Deep Q Learning 实现迷宫游戏:决策算法(4)和主程序
7-15 Policy Gradient 实现 Gym 游戏
7-16 A3C 实现 3D 赛车游戏:成果演示
7-17 A3C实现3D赛车游戏:讲解A3C和编写环境
7-18 A3C实现3D赛车游戏:编写A3C算法和主程序

第8章 知识点总结和课程延展

知识点总结,如何学习一门知识,如何深入人工智能和TensorFlow,如何学习数学和英语,TensorFlow还能做什么,等等。
8-1 总结陈词和补充
8-2 如何学好英语
8-3 如何学好数学
8-4 如何学习一门技术及课程知识点总结
8-5 深入AI和TensorFlow