不能只会使用TensorFlow，机器学习模型开发才是关键

开发模型，多次演练，让你学会对模型进行选择、调优和运用

• 

  通过验证码分析了解代码需要

  完成的目标

• 

  通过梯度下降训练模型

• 

  通过数据预处理形成

  TensorFlow程序需要的输入

• 

  通过TensorBoard进行训练

  结果的分析

• 

  通过数据特征定义模型

• 

  通过分析模型优化训练模型

TensorFlow从基础到实战，全程代码驱动教学

讲解机器学习核心概念，掌握开发中TensorFlow的使用方法

• TensorFlow

  张量

  运行会话

  计算机的搭建

  TensorFlow Api

  运行环境和结果可视化

• 机器学习

  逻辑回归

  损失函数

  梯度下降

  回归分析

  数据预处理技巧

• CNN卷积神经网络

  全连接运算

  卷积运算

  池化运算

  Dropout

  网络构建

使用典型的验证码识别项目，模拟公司业务工程化过程

分阶段、分层次完成项目，最终达到业务要求

• 

  逻辑回归模型

  逻辑回归 · 损失函数 · 梯度下降

  增加非线性能力

  相对线性提高20%+预测率

• 

  全连接神经网络模型

  全连接神经网络 · 学习可视化分析

  由于层数的增加 增加了运算能力 相对第

  一阶段提高20%预测率

• 

  CNN卷积神经网络模型

  卷积 · 池化 · ReLU函数

  增加了数据提取和抽象的架构 达到98%

  +的预测率

内容丰富，让你满载而归

• 

  掌握TensorFlow核心编码基础

• 

  TensorFlow模型构建的一般步骤

• 

  模型评价的方法和标准

• 

  图像处理的标准CNN模型

• 

  了解机器学习图像识别的一些经典算法