如果您是一名软件开发人员，想要构建机器学习驱动的算法，那么您需要了解如何使用 TensorFlow 进行开发。本课程旨在指导刚接触机器学习的开发者顺利完成其机器学习之旅的起始学习阶段，帮助您快速掌握机器学习的基础知识，并在课程的引导下通过 TensorFlow 进行深度学习。完成此部分学习后，您将掌握有关机器学习工作原理的基础知识，从而为更深入的学习做好准备。
完成此部分学习后，您将掌握到：
使用TensorFlow建立和训练神经网络
在训练网络识别真实图像时，使用卷积提高网络性能
用自然语言处理系统教会机器理解、分析和回应人类的言语
处理文本，以句子为载体训练模型，训练模型创造出原创诗句！
序列，时间序列和预测
TensorFlow Lite
TensorFlow JS (即将上线）
此外，欢迎大家继续学习黑胡桃实验室与 TensorFlow 工程团队开发的 TensorFlow Crash Course 2 (中文｜英文），掌握 TensorFlow 应用落地的知识与技能。
第一部分：TensorFlow深度学习的第一门课程
如果您是一名软件开发人员，想要构建AI驱动的算法，那么您需要了解如何使用TensorFlow进行开发。TensorFlow是一个广受欢迎的机器学习开源框架。本课程是TensorFlow机器学习系列课程的入门部分，帮助您了解机器学习的设计思路和基本方法，体验TensorFlow的最佳实践模式，培养运用AI解决问题的直觉。
第一章：TensorFlow介绍
1.1 机器学习引言
1.2 开发环境准备
1.3 一个神经元的网络
第二章：计算机视觉介绍
2.1 计算机视觉
2.2 加载Fashion MNIST
2.3 构造神经元网络模型
2.4 训练和评估模型
2.5 自动终止训练
第三章：卷积介绍
3.1 卷积神经网络
3.2 卷积网络程序
3.3 卷积网络结构
第四章：更复杂的图像应用
4.1 项目实战
4.2 ImageDataGenerator
4.3 构建并训练模型
4.4 优化模型参数
第二部分：机器视觉 - 图像分类
本部分主要介绍常用卷积神经网络模型，包括类LeNet 网络、Inception网络等模型在常见图像分类情景中的应用，包括狗猫识别、人马识别、手势识别和手写体识别等应用。通过代码详细解释数据分析的全过程。
第五章：图像分类基础应用
5.1 狗猫分类案例
第六章：迁移学习
6.1 人马分类案例
第七章：图像多元分类
7.1 手写体识别案例
7.2 剪刀石头布案例
第三部分：自然语言处理
本部分主要介绍使用Tensorflow进行自然语言处理的基本知识，包括文本的词条化和序列化，词嵌入，循环神经网络和文本生成四个部分。
第八章：词条化和序列化
8.1 词条化
8.2 序列化
8.3 项目实战 - 讽刺数据集的词条化和序列化
第九章：词嵌入
9.1 词嵌入的基本原理
9.2 项目实战 - 讽刺数据集的词嵌入
9.3 项目实战 - imdb评论子词数据集的词嵌入
第十章 探索循环神经网络
10.1 循环神经网络原理
10.2不同循环神经网络的性能比较
第十一章 文本生成
11.1 文本生成的原理
11.2 循环神经网络设计
11.3 项目实战 - 生成优美的诗歌
第四部分：序列，时间序列和预测
时间序列是数据科学中最常用的技术之一，它具有广泛的应用——天气预报、销售预测、趋势分析等。本部分主要介绍时间序列的生成，并主要使用RNN、双向LSTM对时间序列进行预测。
第十二章：序列和时间序列
12.1 时序信号的生成
12.2 时间序列预测方法（移动平均）
第十三章 RNN网络样本的生成方法
13.1 生成RNN网络样本数据集
第十四章 RNN时间序列预测
14.1 RNN预测时间序列
第十五章 双向LSTM时间预测
15.1 双向LSTM预测时间序列
第五部分：TensorFlow Lite介绍
第十六章 TensorFlow Lite 简介
16.1 TensorFlow Lite 功能特性
16.2 TensorFlow Lite 模型转换
16.3 TensorFlow Lite 模型运行
第十七章 TensorFlow Lite 的 Android 部署
17.1 Android 与猫狗分类
17.2 Android 与图像分类
17.3 Android 与物体检测
第十八章 TensorFlow Lite 的 IOS 部署
18.1 IOS 和猫狗分类
18.2 IOS 和图像分类
18.3 IOS 和物体检测
第十九章 TensorFlow Lite 与边缘智能
19.1 边缘智能介绍
19.2 树莓派也智能
19.3 智能微控制器
第六部分：TensorFlow.js 介绍
第二十章 使用 JavaScript 建立和训练模型
20.1 使用 JavaScript 建立模型
20.2 使用 JavaScript 训练模型
20.3 鸢尾属植物(Iris)数据集
20.4 读取数据集
20.5 训练 JavaScript 模型学习 Iris 数据集
第二十一章 在浏览器中学习 MINIST 数据集
21.1 在浏览器中建立卷积神经网络
21.2 可视化训练过程
21.3 使用 Sprite Sheet 优化数据加载
21.4 使用 tf.tidy() 管理内存
21.5 在浏览器中训练卷积神经网络模型学习 MNIST 数据集
第二十二章 使用预训练的 TensorFlow.js 模型
22.1 官方预训练 TensorFlow.js 模型库
22.2 使用恶意评论(Toxicity)分类模型
22.3 使用图片(MobileNet)分类模型
22.4 通过 JavaScript 加载任意 Python 模型
第二十三章 浏览器本地摄像头手势识别：石头、剪刀、布
23.1 建立一个简单的网页
23.2 基于 MobileNet 模型的迁移学习
23.3 迁移学习的训练函数
23.4 通过摄像头获取截图数据
23.5 对截图数据进行管理的数据集类
23.6 使用截图数据训练模型
23.7 执行推理：识别石头剪刀布三种手势
在开始学习课程之前，请确保：
具有软件开发经验，尤其是 Python 开发经验
本课程适用于以下人员：
刚开始接触机器学习，但具有计算机科学或开发背景
为积极响应国家低碳环保政策， 2021年秋季学期开始，中国大学MOOC平台将取消纸质版的认证证书，仅提供电子版的认证证书服务，证书申请方式和流程不变。
电子版认证证书支持查询验证，可通过扫描证书上的二维码进行有效性查询，或者访问 https://www.icourse163.org/verify，通过证书编号进行查询。学生可在“个人中心-证书-查看证书”页面自行下载、打印电子版认证证书。
完成课程教学内容学习和考核，成绩达到课程考核标准的学生（每门课程的考核标准不同，详见课程内的评分标准），具备申请认证证书资格，可在证书申请开放期间（以申请页面显示的时间为准），完成在线付费申请。
认证证书申请注意事项：
1. 根据国家相关法律法规要求，认证证书申请时要求进行实名认证，请保证所提交的实名认证信息真实完整有效。
2. 完成实名认证并支付后，系统将自动生成并发送电子版认证证书。电子版认证证书生成后不支持退费。
机器学习和深度学习课程 https://www.icourse163.org/course/FUDAN-1205806833
开源机器学习平台
副教授
副教授
粤B2-20090191-26 | 京ICP备12020869号-2 | 京公网安备44010602000207
© 2014-2025 icourse163.org
