Tensorflow 2.0：深度学习和人工智能
机器学习和神经网络用于计算机视觉、时间序列分析、自然语言处理、生成对抗网络、强化学习等！
学习内容：
- 人工神经网络（ANN）/深度神经网络（DNN）
- 股票回报预测
- 时间序列预测
- 计算机视觉
- 如何构建一个深度强化学习股票交易机器人
- 生成对抗网络（GAN）
- 推荐系统
- 图像识别
- 卷积神经网络（CNN）
- 循环神经网络（RNN）
- 使用Tensorflow Serving通过RESTful API服务模型
- 使用Tensorflow Lite将模型导出到移动设备（Android，iOS）和嵌入式设备
- 使用Tensorflow的分布策略并行学习
- 低级Tensorflow，梯度带以及如何构建自定义模型
- 深度学习中的自然语言处理（NLP）
- 使用代码展示摩尔定律
- 迁移学习创建最先进的图像分类器
- 获得Tensorflow开发者证书
- 了解OpenAI ChatGPT、GPT-4、DALL-E、Midjourney和Stable Diffusion的重要基础
本课程包括
- 24小时随时点播视频
- 手机和电视访问
- 终身访问
- 完成证书
价格：59.99
教程评分：4.8（12,069 评分）
教程语言：英语
教程字幕：中英文字幕
课程要求：
- 了解Python和Numpy编程
- 对于理论部分（可选），理解导数和概率
课程描述：
曾经想知道像OpenAI ChatGPT、GPT-4、DALL-E、Midjourney和Stable Diffusion这样的AI技术是如何工作的？在本课程中，您将学习这些开创性应用的基础知识。
欢迎来到Tensorflow 2.0！
这是一个令人兴奋的时刻。自Tensorflow发布以来已经近四年了，这个库已经发展到了官方的第二版。
Tensorflow是Google的深度学习和人工智能库。
深度学习最近取得了一些令人惊叹的成就，例如：
- 生成美丽的、逼真的从未存在过的人的照片（GANs）
- 在策略游戏围棋和复杂的视频游戏如CS:GO和Dota 2中击败世界冠军（深度强化学习）
- 自动驾驶汽车（计算机视觉）
- 语音识别（如Siri）和机器翻译（自然语言处理）
- 甚至创建人们从未做过和说过的事情的视频（DeepFakes——一种潜在的恶意应用）
Tensorflow是世界上最流行的深度学习库，由Google构建，其母公司Alphabet在我写这篇文章前几天刚成为世界上最富有的公司。它是许多从事AI和机器学习的公司的首选库。
换句话说，如果你想做深度学习，你必须了解Tensorflow。
本课程适合初学者到高级学生。无论您是刚完成我免费的Numpy先修课程，还是已经有一定基础，您都可以马上开始学习。我们将从一些非常基础的机器学习模型开始，逐步深入到最先进的概念。
在此过程中，您将学习所有主要的深度学习架构，如深度神经网络、卷积神经网络（图像处理）和循环神经网络（序列数据）。
当前项目包括：
- 自然语言处理（NLP）
- 推荐系统
- 计算机视觉迁移学习
- 生成对抗网络（GANs）
- 深度强化学习股票交易机器人
即使您已经完成了我之前的所有课程，您仍然会学习到如何将之前的代码转换为使用Tensorflow 2.0，并且在本课程中有全新且前所未见的项目，如时间序列预测和股票预测。
本课程专为希望快速学习的学生设计，但也有“深入”部分，如果您想更深入地了解理论（如什么是损失函数，以及不同类型的梯度下降方法）。
高级Tensorflow主题包括：
- 使用Tensorflow Serving部署模型（云中的Tensorflow）
- 使用Tensorflow Lite部署模型（移动和嵌入式应用）
- 使用分布策略进行分布式Tensorflow训练
- 编写自定义Tensorflow模型
- 将Tensorflow 1.x代码转换为Tensorflow 2.0
- 常量、变量和张量
- 即时执行
- 梯度带
导师备注：本课程注重广度而非深度，更倾向于构建更多有趣的项目，而非深入理论。如果您正在寻找一个理论密集的课程，这不是您要找的课程。一般来说，对于每一个主题（推荐系统、自然语言处理、强化学习、计算机视觉、GANs等），我已经有专门的课程。
感谢阅读，我在课堂上见！
我应该按什么顺序学习你的课程？请查看“机器学习和AI先决条件路线图”讲座（在我任何一门课程的FAQ中，包括免费的Numpy课程中提供）。
独特特点：
- 每一行代码都详细解释 – 随时给我发邮件如果你有疑问
- 没有像其他课程那样浪费时间“打字” – 让我们诚实地说，没有人能在短短20分钟内从头开始写出值得学习的代码
- 不怕大学水平的数学 – 获得其他课程忽略的重要算法细节
适合对象：
- 希望学习Tensorflow 2.0中深度学习和AI的初学者到高级学生
