你将获得

快速掌握 TensorFlow 核心概念和架构；

熟练进行模型结构设计、训练及测试；

参数调优及损失函数设计的基本方法；

四个典型的 TensorFlow 应用场景实战；

懂得如何更好地为 TensorFlow 社区做贡献

课程介绍

深度学习是近年来人工智能领域最火的一项技术。在众多的深度学习框架中，TensorFlow 凭借其强劲的运算性能、高效的超大集群并行能力、生产环境部署的稳定性、丰富的语言接口以及支持灵活的模型设计等特点，成为目前最流行的深度学习框架

目前，阿里、腾讯、京东、小米、网易、滴滴等国内知名互联网企业以及 Airbnb、Uber、Dropbox 等硅谷明星公司，都在生产环境中大规模地使用 TensorFlow。在谷歌内部，更有超过 80% 的软件项目采用了 TensorFlow

掌握 TensorFlow 是从事人工智能相关工作的必备技能之一

而 TensorFlow 的初学者经常会遇到以下问题：

网上各种教程参差不齐，且各自基于不同的 TensorFlow 版本，完全照着做，难免会遇到各种奇怪的问题，有时候折腾半天都解决不了，越看越焦虑，还浪费时间

TensorFlow 使用了大量的抽象概念来描述算法模型及其计算过程，譬如张量、操作、占位符、数据流图、会话等。初学者往往难以理解，如果没有详细的指导和点拨，学习起来困难重重

由于初学者对 TensorFlow 的模块和架构设计缺乏整体认知，就无法根据自身需求快速学习和应用，容易胡子眉毛一把抓，皱着眉头钻研半天也抓不住重点

因此，推出《TensorFlow 快速入门与实战》这门课程，课程以 TensorFlow 1.12 版本为基础，从 TensorFlow 的发展历程、核心概念开始讲起，并通过四个由浅到深的实战项目练习，帮你快速上手 TensorFlow，并能将所学知识应用到工作中，用 AI 为业务赋能

课程目录

• TensorFlow快速入门与实战-/
• 01丨课程内容综述-
• 02丨第一章内容概述-
• 03丨TensorFlow产生的历史必然性-
• 04丨TensorFlow与Jeff Dean的那些事-
• 05丨TensorFlow的应用场景-
• 06丨TensorFlow的落地应用-
• 07丨TensorFlow的发展现状-
• 08丨第二章内容概述-
• 09丨搭建你的TensorFlow开发环境-
• 10丨Hello TensorFlow-
• 11丨在交互环境中使用TensorFlow-
• 12丨在容器中使用TensorFlow-
• 13丨第三章内容概述-
• 14丨TensorFlow模块与架构介绍-
• 15丨TensorFlow数据流图介绍-
• 16丨张量（Tensor）是什么（上）-
• 17丨张量（Tensor）是什么（下）-
• 18丨变量（Variable）是什么（上）-
• 19丨变量（Variable）是什么（下）-
• 20丨操作（Operation）是什么（上）-
• 21丨操作（Operation）是什么（下）-
• 22丨会话（Session）是什么-
• 23丨优化器（Optimizer）是什么-
• 24丨第四章内容概述-
• 25丨房价预测模型的前置知识-
• 26丨房价预测模型介绍-
• 27丨房价预测模型之数据处理-
• 28丨房价预测模型之创建与训练-
• 29丨TensorBoard 可视化工具介绍-
• 30丨使用 TensorBoard 可视化数据流图-
• 31丨实战房价预测模型：数据分析与处理-
• 32丨实战房价预测模型：创建与训练-
• 33丨实战房价预测模型：可视化数据流图-
• 34丨第五章内容概述-
• 35丨手写体数字数据集 MNIST 介绍（上）-
• 36丨手写体数字数据集 MNIST 介绍（下）-
• 37丨MNIST Softmax 网络介绍（上）-
• 38丨MNIST Softmax 网络介绍（下）-
• 39丨实战MNIST Softmax网络（上）-
• 40丨实战MNIST Softmax网络（下）-
• 41丨MNIST CNN网络介绍-
• 42丨实战MNIST CNN网络-
• 43丨第六章内容概述-
• 44丨准备模型开发环境-
• 45丨生成验证码数据集-
• 46丨输入与输出数据处理-
• 47丨模型结构设计-
• 48丨模型损失函数设计-
• 49丨模型训练过程分析-
• 50丨模型部署与效果演示-
• 51丨第七部分内容介绍-
• 52丨人脸识别问题概述-
• 53丨典型人脸相关数据集介绍-
• 54丨人脸检测算法介绍-
• 55丨人脸识别算法介绍-
• 56丨人脸检测工具介绍-
• 57丨解析 FaceNet 人脸识别模型-
• 58丨实战 FaceNet 人脸识别模型-
• 59丨测试与可视化分析-
• 60丨番外篇内容介绍-
• 61丨TensorFlow 社区介绍-
• 62丨TensorFlow 生态-TFX-
• 63丨TensorFlow 生态-Kubeflow-
• 64丨如何参与 TensorFlow 社区开源贡献-
• 65丨ML GDE 是 TensorFlow 社区与开发者的桥梁-
• 66丨课程总结-