吴恩达最新TensorFlow专项课程开放注册，你离TF Boy只差那一步

不需要 ML/DL 根底，不需要深邃数学布景，初学者和软件开发者也能快速掌握 TensorFlow、掌握人工智能应用的开发法门。以前，吴恩达的机器进修课程和深度进修课程会介绍良多概念与常识，固然也会有脱手尝试，但它们次要是为了帮忙理解。在那一份 Coursera 新课中，吴恩达与谷歌大脑的 Laurence Moroney 从理论动身介绍了利用 TensorFlow 的准确姿势。

那一个专项课程目前次要包罗两门课，即 TensorFlow 简介与 TensorFlow 中的卷积神经收集。第一课目前已经有良多 Coursera 学员留言，他们暗示 TensorFlow 简介是一份极好的入门课程（TensorFlow/Keras），除了编程，它还会介绍机器进修与深度进修的根本概念。

课程一： 的提拔课程。

可能读者最关心的一点是，它到底教的是 TF 1.x 仍是 2.0？机器之心在免费注册旁听后发现一些比力吸惹人的特点，例如所有操练都是在 Colab 上完成的、代码在 TF 1.x 和 2.0 之间是通用的等。如下图所示为课程操练题页面，代码放在贼好用的 Colab 上都不需要当地计算力。

留意上图是间接导入 TensorFlow，因而当前版本为 1.13.1。不外该课程暗示代码足够通用，因而 TF 2.0 alpha 也能够间接利用，只要在导入前先要用 pip 安拆 2.0 alpha 就行了。所以说，那个课程介绍的是 TF 1.x 与 2.0。

专项课程简介

若是你是软件开发者，想要试一试深度进修 APP，那么你能够上那门课；若是你是机器进修入门者，除了浩瀚的理论公开课外还想学一学如何搭个模子，那么那门课能够补足你的脱手才能。

那一系列专项课程旨在供给更好的 TensorFlow 实现，我们能够逐渐学会若何搭建深度进修模子，并将其应用于现实应用和实在问题中。目前 TensorFlow 仍然是更流行的框架，若是学会了用它做 DL 模子与应用，那么学其它框架就简单多了。

若是你筹办搞一搞该系列专项课程，那么你将进修到：

若何用 TensorFlow 构建机器进修模子若何用全毗连收集和卷积神经收集构建图像识别算法理解若何将模子摆设到挪动端或网页端领会图像识别和文本识别外的其他 DL 使命扩展 TF 根本 API，并用于定造化的进修或训练总体而言，在第一项课程中，我们将进修到若何用 TensorFlow 构建根本的神经收集，并将其应用到计算机视觉使命中，同时我们也会领会若何用卷积神经收集提拔根本收集的性能。在第二项课程中，我们能够学到更多的高级技巧，例如如何做数据加强、Dropout 及正则化、迁徙进修等等。那些模块或技巧能提拔尺度模子的性能，并打造适用的新应用。

目前那两个课程在 Coursera 上别离都需要花四周完成，每一周大要 4-5 的学时摆布。它们都属于 deeplearning.ai 的专项课程，该系列的其它高级主题暂时还没有放出，可能需要过几月才会放出来。

如下所示为第二项课程的前两周课时，我们能够在 Coursera 上免费注册「旁听」，也就是完全获取课程质料，只不外拿不到成就证明。当然若是想要认实学一学的话，注册每一门课程需要 194 人民币。

布景常识

进修那个专项课程其实不要求对 DL 理论有多领会，相反我们需要晓得 Python 编程与高中程度的数学根底。因为整个课程次要是面向开发者与初学者，所以 Python 根底仍是要好好打的。

进修 Python 编程有良多途径，例如早一段时间的 Python 官方中文文档 ，那里供给几篇 Python（+NumPy）入门文章：

从 Zero 到 Hero，一文掌握 Python 关键代码一文带你领会 Python 集合与根本的集合运算搭建模子第一步：你需要预习的 NumPy 根底都在那了至于其它理论根底，有的话更好，没有的话也不妨。不外从机器进修到深度进修，吴恩达已经为你筹办好了全套进修材料。最典范的机器进修课程没必要说，必定是最为优良的入门课程。固然我们可能会觉得那门课介绍的良多模子在教程或文献中见得比力少，但良多常识点都是 DL 的根本概念。

机器进修：

关于深度进修，吴恩达近来也推出了深度进修专项课程，我们能够在 Coursera 或网易公开课上领会到相关资本。那个月，斯坦福也开放了 CS230 2018 秋季课程的视频，它会和 Coursera 上的深度进修专项课程有一些堆叠。不外 CS230 2018 仍是有更多的新常识，包罗匹敌样本或聊天机器人等等。

视频列表：

讲师

整个 TensorFlow 系列课程的讲师是吴恩达与谷歌大脑的 Laurence Moroney，前面两课的主讲都是 Laurence Moroney。

吴恩达教师我们都比力熟悉，就不做过多介绍了。另一位讲师 Laurence Moroney 是谷歌的 Developer Advocate，努力于利用 TensorFlow 来开发并构建人工智能相关的应用。他颁发了良多编程册本，如今在视频培训范畴与 deeplearning.ai 和 Coursera 展开合做。

此外，Laurence 仍是美国科幻做家协会成员，创做了一些科幻小说、剧本和漫画书，包罗克里斯蒂安·贝尔主演片子《扯破的末日》（Equilibrium）的前传。

嗯，确实是很有才了～

专项课程一：TensorFlow 简介

第一个专项课程是关于 TensorFlow 的简介。你会学到若何构建计算机视觉的根底神经收集以及利用卷积改良神经收集。如下是每周的进修主题：

第一周简要介绍机器进修和深度进修，领会它们供给了什么样的新编程范式，为什么又供给一个能够翻开新开发场景的东西集。进修那一部门，你只需要领会一些根底的编程技巧。

第二周起头进修利用几行代码来处理计算机视觉问题，并搭建一个简单的视觉模子。

前面搭建的朴实模子确实十分简单，那么在第三周里，我们将学会利用卷积收集处置视觉问题。

若是图像变大了或者特征老是不在统一个处所，怎么办？那个问题的讨论为第四周的进修内容做好筹办：处置复杂图像。

专项课程二：TensorFlow 中的卷积神经收集

第二个专项课程次要讲若何改良你在第一个课程中搭建的计算机视觉模子，此中包罗一些高级技巧。你将进修若何应对实在世界中外形、大小各别的图像、可视化对图像停止卷积操做的过程，以理解计算机若何「看见」信息、计算丧失函数和准确率、摸索制止过拟合的战略等。最初，该课程还将介绍迁徙进修以及若何从模子中提取进修到的信息。

第一周的课程将从摸索一个更大的数据集——猫狗数据集起头，那也是 Kaggle 图像分类挑战赛的赛题之一。

第二周课程的主题是图像加强。增加训练数据能够进步模子的泛化才能，固然那固然那其实不老是有效的，但我们仍是能够选择数据加强来提拔模子潜力。在那周的课程中，你将会学到若何调整训练集，以增加其多样性。

第三周的主题是迁徙进修。本身构建模子当然很好，但有时会遭到手头数据和计算力的限造。并不是所有人都掌握着大量的数据和足够的算力，因而我们需要迁徙进修。操纵迁徙进修，你能够间接把他人在大型数据集上训练的模子拿来用，或者只用他们学到的特征。

第四周的主题是多类别分类。之前的课程只讲了二分类，即若何区分马和人、猫和狗等。本周的课程将介绍若何停止多类别分类以及此中涉及的编程常识。

最初，学 TensorFlow 那种实战框架必定需要大量操练，即使查阅已有的模子代码，我们更好不间接复造粘贴，手写代码也是一种很好的思虑过程。