收藏

基于 Python 的 TensorFlow 应用实践

“网红”编程语言Python与人工智能主流框架TensorFlow开发多个有趣的人工智能应用

基于Python玩转人工智能最火框架 TensorFlow应用实践

难度 中级 时长 15小时 学习人数 2214 综合评分 9.87

基于Python玩转人工智能最火框架 TensorFlow应用实践

  • 第1章 课程整体介绍 1 节 | 17分钟

    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

    收起列表

    • 视频: 1-1 课程整体介绍及导学 (16:24)
  • 第2章 人工智能基础知识 试看 9 节 | 66分钟

    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

    收起列表

    • 视频: 2-1 什么是人工智能 (04:48) 试看
    • 视频: 2-2 人工智能前景 (05:26) 试看
    • 视频: 2-3 人工智能需要的基本数学知识 (01:57) 试看
    • 视频: 2-4 人工智能简史 (07:47)
    • 视频: 2-5 AI、机器学习和深度学习的关联 (02:32)
    • 视频: 2-6 什么是机器学习 (19:05)
    • 视频: 2-7 面对AI,我们应有的态度 (05:16)
    • 视频: 2-8 什么是过拟合 (07:05)
    • 视频: 2-9 什么是深度学习 (11:08)
  • 第3章 TensorFlow简介和开发环境搭建 12 节 | 106分钟

    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

    收起列表

    • 视频: 3-1 什么是TensorFlow (10:13)
    • 视频: 3-2 TensorFlow和其他机器学习库的对比1 (26:46)
    • 视频: 3-3 如何学习TensorFlow (11:42)
    • 视频: 3-4 TensorFlow前景 (03:59)
    • 视频: 3-5 如何使用课程提供的虚拟机文件 (07:15)
    • 视频: 3-6 安装VirtualBox (02:41)
    • 视频: 3-7 安装Ubuntu (15:29)
    • 视频: 3-8 配置Ubuntu系统 (05:46)
    • 视频: 3-9 安装Python (04:02)
    • 视频: 3-10 安装TensorFlow(上) (10:42)
    • 视频: 3-11 安装TensorFLow(下) (05:47)
    • 视频: 3-12 安装Python类库 (01:20)
  • 第4章 TensorFlow原理与进阶(代码实践) 36 节 | 459分钟

    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

    收起列表

    • 视频: 4-1 从HelloWorld开始 (05:41)
    • 视频: 4-2 TensorFlow的编程模式 (02:55)
    • 视频: 4-3 TensorFlow的基础结构 (02:37)
    • 视频: 4-4 图和会话 (05:09)
    • 视频: 4-5 Python常用库Numpy的使用 (11:39)
    • 视频: 4-6 什么是Tensor(上) (17:59)
    • 视频: 4-7 什么是Tensor(下) (16:26)
    • 视频: 4-8 图和会话原理及案例(上) (15:58)
    • 视频: 4-9 图和会话原理及案例(下) (11:47)
    • 视频: 4-10 可视化利器TensorBoard(上) (18:42)
    • 视频: 4-11 可视化利器TensorBoard(下) (17:52)
    • 视频: 4-12 酷炫模拟游乐园PlayGround (10:25)
    • 视频: 4-13 常用Python库Matplotlib (16:32)
    • 视频: 4-14 综合小练习:梯度下降解决线性回归(上) (15:57)
    • 视频: 4-15 综合小练习:梯度下降解决线性回归(中) (11:38)
    • 视频: 4-16 综合小练习:梯度下降解决线性回归(下) (13:01)
    • 视频: 4-17 激活函数(上) (10:50)
    • 视频: 4-18 激活函数(下) (05:35)
    • 视频: 4-19 动手实现CNN卷积神经网络(一) (16:16)
    • 视频: 4-20 动手实现CNN卷积神经网络(二) (19:03)
    • 视频: 4-21 动手实现CNN卷积神经网络(三) (17:53)
    • 视频: 4-22 动手实现CNN卷积神经网络(四) (12:39)
    • 视频: 4-23 动手实现CNN卷积神经网络(五) (15:50)
    • 视频: 4-24 动手实现RNN-LSTM循环神经网络(一):背景和知识点 (26:43)
    • 视频: 4-25 动手实现RNN-LSTM循环神经网络(二):编写实用方法(上) (11:27)
    • 视频: 4-26 动手实现RNN-LSTM循环神经网络(三):编写实用方法(中) (12:23)
    • 视频: 4-27 动手实现RNN-LSTM循环神经网络(四):编写实用方法(下)1 (08:28)
    • 视频: 4-28 动手实现RNN-LSTM循环神经网络(四):编写实用方法(下)2 (08:17)
    • 视频: 4-29 动手实现RNN-LSTM循环神经网络(五):编写神经网络模型(上) (16:48)
    • 视频: 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 (10:10)
    • 视频: 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 (12:42)
    • 视频: 4-32 动手实现RNN-LSTM循环神经网络(七):编写神经网络模型(下) (10:27)
    • 视频: 4-33 动手实现RNN-LSTM循环神经网络(八):编写训练方法(上) (14:30)
    • 视频: 4-34 动手实现RNN-LSTM循环神经网络(九):编写训练方法(下) (11:51)
    • 视频: 4-35 动手实现RNN-LSTM循环神经网络(十):编写测试方法 (14:40)
    • 视频: 4-36 动手实现RNN-LSTM循环神经网络(十一):实际训练和测试 (07:29)
  • 第5章 案例一 会作曲的人工智能 15 节 | 233分钟

    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

    收起列表

    • 视频: 5-1 背景和知识点简介 (14:14)
    • 视频: 5-2 音乐和数学的联系 (06:56)
    • 视频: 5-3 什么是MIDI文件 (08:15)
    • 视频: 5-4 配置开发环境 (04:04)
    • 视频: 5-5 编写转换MIDI到MP3的方法 (08:42)
    • 视频: 5-6 Python音乐库Music21的使用和测试方法 (11:30)
    • 视频: 5-7 编写整个神经网络模型 (40:53)
    • 视频: 5-8 编写从训练文件获取音符的方法 (15:39)
    • 视频: 5-9 编写从预测数据来生成音乐的方法 (16:15)
    • 视频: 5-10 编写训练神经网络的方法(一) (19:53)
    • 视频: 5-11 编写训练神经网络的方法(二) (19:32)
    • 视频: 5-12 编写训练神经网络的方法(三) (19:43)
    • 视频: 5-13 编写神经网络生成音乐的方法(一) (18:27)
    • 视频: 5-14 编写神经网络生成音乐的方法(二) (26:28)
    • 视频: 5-15 纯TensorFlow版的预告 (02:18)
  • 第6章 案例二 会Photoshop的人工智能 12 节 | 116分钟

    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

    收起列表

    • 视频: 6-1 背景和知识点简介 (04:18)
    • 视频: 6-2 配置开发环境 (05:26)
    • 视频: 6-3 什么是GAN(生成对抗网络) (05:44)
    • 视频: 6-4 什么是DCGAN (06:44)
    • 视频: 6-5 编写DCGAN中的判别器模型(上) (13:10)
    • 视频: 6-6 编写DCGAN中的判别器模型(下) (13:45)
    • 视频: 6-7 编写DCGAN中的生成器模型 (09:17)
    • 视频: 6-8 编写训练神经网络的方法(上) (15:37)
    • 视频: 6-9 编写训练神经网络的方法(下) (13:39)
    • 视频: 6-10 编写神经网络生成图片的方法 (15:30)
    • 视频: 6-11 代码完成和测试模型 (09:28)
    • 视频: 6-12 纯TensorFlow版的预告 (02:18)
  • 第7章 案例三 会开3D赛车的人工智能 18 节 | 256分钟

    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

    收起列表

    • 视频: 7-1 背景和知识点简介 (08:59)
    • 视频: 7-2 强化学习的经典实验环境 (18:27)
    • 视频: 7-3 配置开发环境(1) (15:08)
    • 视频: 7-4 配置开发环境(2) (19:54)
    • 视频: 7-5 什么是强化学习 (19:45)
    • 视频: 7-6 什么是Q Learning (04:13)
    • 视频: 7-7 Q-Learning 实现机器人走迷宫:创建环境 (12:40)
    • 视频: 7-8 Q-Learning 实现机器人走迷宫:决策算法(1) (16:48)
    • 视频: 7-9 Q-Learning 实现机器人走迷宫:决策算法(2) (10:11)
    • 视频: 7-10 Q-Learning 实现机器人走迷宫:游戏主程序 (12:25)
    • 视频: 7-11 Deep Q Learning 实现迷宫游戏:决策算法(1) (15:34)
    • 视频: 7-12 Deep Q Learning 实现迷宫游戏:决策算法(2) (14:34)
    • 视频: 7-13 Deep Q Learning 实现迷宫游戏:决策算法(3) (14:24)
    • 视频: 7-14 Deep Q Learning 实现迷宫游戏:决策算法(4)和主程序 (12:31)
    • 视频: 7-15 Policy Gradient 实现 Gym 游戏 (15:30)
    • 视频: 7-16 A3C 实现 3D 赛车游戏:成果演示 (13:09)
    • 视频: 7-17 A3C实现3D赛车游戏:讲解A3C和编写环境 (14:51)
    • 视频: 7-18 A3C实现3D赛车游戏:编写A3C算法和主程序 (16:18)
  • 第8章 知识点总结和课程延展 5 节 | 40分钟

    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。

    收起列表

    • 视频: 8-1 总结陈词和补充 (07:32)
    • 视频: 8-2 如何学好英语 (07:30)
    • 视频: 8-3 如何学好数学 (06:51)
    • 视频: 8-4 如何学习一门技术及课程知识点总结 (11:05)
    • 视频: 8-5 深入AI和TensorFlow (06:15)
本课程已完结


讲师

Oscar 软件工程师

曾就职于Intel等知名企业,多年Android、Linux、嵌入式软件开发经验。擅长用通俗易懂的语言讲解知识点。在慕课网有多个广受好评的专栏和实战课程。一专多能,精通英语和法语。

课程预览

检测到您还没有关注慕课网服务号,无法接收课程更新通知。请扫描二维码即可绑定
重新观看
意见反馈 帮助中心 APP下载
官方微信

学习咨询

选课、学习遇到问题?

扫码添加指导老师 1V1 帮助你!

添加后老师会第一时间解决你的问题