TensorFlow 2.0: 全新的 TensorFlow 完整指南

课程简介

使用 TensorFlow 2.0 创建深度学习和人工智能的惊人应用程序

课程介绍:English 繁中

从这 13 小时的课程,你会学到

  • 如何在数据科学领域中使用 Tensorflow 2.0
  • Tensorflow 1. x 和 Tensorflow 2.0 版本的重要差异
  • 如何使用 Tensorflow 2.0 实现人工神经网络
  • 如何使用 Tensorflow 2.0 实现卷积神经网络( Convolutional Neural Networks )
  • 如何使用 Tensorflow 2.0 实现递归神经网络( Recurrent Neural Networks )
  • 如何使用 Tensorflow 2.0 创建自己的迁移学习( Transfer Learning )应用程序
  • 如何创建一个基于强化学习(Reinforcement Learning Deep-Q Network )的股票交易机器人
  • 如何使用 Tensorflow 2.0 创建机器学习管线 ( Pipeline )
  • How to conduct Data Validation and Dataset Preprocessing using TensorFlow Data Validation and TensorFlow Transform.
  • 如何使用 TensorFlow 数据验证和 TensorFlow Transform 来处理数据集的预处理
  • 将 TensorFlow 2.0 模型投入营运
  • 如何使用 Flask 和 TensorFlow 2.0 创建流行的 API
  • 如何使用 RESTful API 提供 TensorFlow 模型服务

要求

课程说明

欢迎使用 Tensorflow 2.0!

Tensorflow 2.0 刚刚发布,它引入了许多简化模型开发和维护流程的功能。 站在教育角度来看,它通过简化许多复杂的概念来提高人们的理解能力。 从产业的角度来看,模型更容易理解、维护和开发。

深度学习是人工智能发展最快的领域之一。 在过去的几年里,我们已经证明了深度学习模型,即使是最简单的模型,也可以解决非常困难和复杂的任务。 现在,深度学习的流行词汇时期已经部分地过去了,人们正在释放它的力量和改进产品的潜力。

本课程的结构涵盖了从神经网络建模和训练到投入营运的所有主题。

在本课程的第 1 节,你将了解我们将在整个课程(第1部分)中使用的技术堆栈,以及 TensorFlow 2.0 程序库基础知识和语法(第2部分)。

在本课程的第 2 节,我们将深入探究深度学习这个令人兴奋的世界。 通过本课程的这一部分,你将实现几种类型的神经网络(全连接神经网络 Fully Connected Neural Network (第 3 节) ,卷积神经网络神经网络(第 4 节) ,递归神经网络神经网络(第 5 节))。 在本部分第 6 节的最后,你将学习并构建自己的迁移学习应用程序,该应用程序实现了狗与猫数据集( Dogs vs. Cats dataset ) 的最佳(SOTA)结果。

在通过课程的第2部分并最终学习如何实现神经网络之后,在课程的第 3 节中,你将学习如何使用强化学习,特别是 Deep-Q Network 来制作你自己的股票交易机器人

第 4 节是关于 TensorFlow Extended (TFX)的。 在本课程的这一部分中,你将学习如何处理数据并为营运创建自己的数据管道( data pipelines )。 在第8部分,我们将使用 TensorFlow 数据验证程序库检查数据集是否有任何异常,在学习如何检查数据集异常之后,在第 9 节,我们将使用 TensorFlow 转换程序库制作我们自己的数据预处理管道( data preprocessing pipeline )。

在本课程的第 10 节中,你将学习并使用 Flask Python 程序库和预先训练的模型创建你自己的流行 API。 在本节中,你将更好地了解如何通过网络向模型发送请求。 但是,在这个阶段,围绕模型的架构无法扩展到数百万个请求。 进入第 11 节,在本课程的这一节中,你将学习如何以一种非常简单的方式使用 TensorFlow Serving 程序库来改进前一节的解决方案。 你将学习并创建自己的影像分类 API,可以支持每天数百万的请求

现在,在 Android 或 iOS 应用程序中安装深度学习模型变得越来越流行,但是神经网络需要大量的能量和资源! 这就是 TensorFlow Lite 程序库发挥作用的地方。 在课程的第 12 节,你将学习如何最佳化和转换任何适合行动设备的神经网络

作为学习过程和本课程第5部分的总结,在第 13 节中,你将学习如何使用 TensorFlow 2.0 程序库将任何神经网络的训练分配给多个 GPU 甚至伺服器。

目标受众

  • 想学习 Tensorflow 2.0的深度学习工程师
  • 想要扩展自己的深度学习堆栈技能人工智能工程师
  • 希望进入深度学习和人工智能领域的计算机科学家
  • 想把自己的人工智能技能提升到一个新的水平的数据科学家
  • 希望拓展应用领域的人工智能专家
  • 希望进入深度学习和人工智能领域的 Python 开发人员
  • 从事技术和自动化工作的工程师
  • 希望在竞争中领先的商人和公司
  • 希望从事数据科学、机器学习或人工智能职业等相关技术领域的学生
  • 任何对人工智能充满热情的人

讲师简介

Hadelin de Ponteves   数据科学家

你好。我的名字是 Hadelin de Ponteves。总是渴望学习,我投入了大量的时间在学习和教学中,涵盖广泛的科学话题。

今天我热衷于机器学习、深入学习和人工智能 ( AI )。我将尽最大的努力传达我对数据科学的热情。我在这个领域获得了丰富的经验。我拥有数据科学专业的工程硕士学位。我花了一年时间研究机器学习,从事创新和令人兴奋的项目。 然后在Google的工作经验中,我实施了一些用于商业分析的机器学习模型。

最终,我意识到我花了大部分时间做分析,我逐渐需要培养更多的创意,所以我踏入创业生涯。我的课程结合分析和创造力的两个维度,使你可以在应用于创意思考的同时学习数据科学中所需的所有分析技能。

期待和你一起完成学习!

Hadelin de Ponteves

Kirill Eremenko   数据科学家和外汇系统专家

我的名字是 Kirill Eremenko ,你正在读这让我超级兴奋 !

我在 Udemy 量个别的领域授课 : 数据科学和外汇交易。我想你将会对我是否可以提供你最好的训练有信心,以下是我在这两个领域的一些背景。

数据科学

在专业方面,我有超过 5 年在金融、零售、交通运输等行业的数据科学管理顾问经验。曾受过澳大利亚 Deloitte 最好的分析导师的训练,今天我运用大数据来推动企业战略、改造客户体验和彻底改变现有的操作流程。

从我的课程中,你将立即注意到我如何将现实生活的经验和物理与数学学术背景结合起来,在数据科学领域提供专业的分步指导。我也热衷于公开演讲,并定期在澳大利亚领先的大学和行业盛会上介绍大数据。

外汇交易

自2007年以来,我一直以交易员的身份积极参与外汇市场,并办 MQL4 的编程课程计划。我很享受外汇交易,因为外汇市场可以带来的财务上的自由,更重要的 – 个人自由

我生活的另一部分-是一个数据科学家 – 研究商业流程和人类行为模式的各种模式… 听起来很熟悉?是的!巧合的是,我也是算法交易的大粉丝 : ) EAs、外汇机器人、指针、脚本、MQL4, 甚至使用 java 编程做外汇 – 我全部都很爱!

Kirill Eremenko

SuperDataScience 团队    帮助数据科学家成功的团队

Hi, 你好!

我们是 SuperDataScience 团队。你将在 Kirill Eremenko 教授的数据科学课程中看到我们 – 我们在这里帮助你解决任何问题,并确保你在课程的旅程中总是一舤风顺!

联系最好的方法是在你正在学习的课程的问答中讨论。在大多数情况下,我们会在24小时内回复。

我们热衷于帮助你享受课程!

课堂中见啰!

诚挚地,
SuperDataScience 真正的人

Luka Anicin 人工智能工程师

大家好,我叫 Luka Anicin。

我是一名人工智能工程师,在能源、零售、教育、金融和其它产业有三年以上的工作经验。 除了我的工程师角色,我还是一个数据科学顾问,帮助团队和公司成为数据驱动的团队。

在我的课程中,我教授常见的数据科学概念,并展示如何在真实世界中使用它们。 我希望我的课程能够帮助你找到第一份工作,甚至是转行。

期待与你合作!

英文字幕:有

  • 想要了解如何将英文字幕自动翻译成中文? 请参考这篇 How-To

优惠信息

如何购买这门课程比较划算?可以参考课程合购优惠方案


报名参加课程

Sponsored by Udemy

也许你会有兴趣

 欢迎使用e-mail订阅 Soft & Share 

发表评论

Powered by WordPress.com.

Up ↑

%d 博主赞过: