【中文普通话】19小时学习使用Python进行深度学习，使用谷歌最新的TensorFlow 2库和Keras！

最后更新日期：6/2022
MP4 | 视频：h264，1280×720 | 音频：AAC，44.1 KHz
语言：英语 | 大小：8.27 GB | 时长：19小时12分钟

学习使用Python进行深度学习，使用谷歌最新的TensorFlow 2库和Keras！

你将学到什么：
学习使用TensorFlow 2.0进行深度学习
利用Keras API快速构建在TensorFlow 2上运行的模型
使用卷积神经网络进行图像分类
使用深度学习进行医学成像
使用递归神经网络预测时间序列数据
使用生成对抗网络（GANs）生成图像
使用深度学习进行风格转移
使用RNN和自然语言处理生成文本
通过API提供TensorFlow模型
使用GPU进行加速深度学习

要求：
了解如何使用Python编程
一些基本的数学知识，如导数

描述：
本课程将指导您如何使用谷歌最新的TensorFlow 2框架创建用于深度学习的人工神经网络！本课程旨在以易于理解的方式向您介绍谷歌TensorFlow 2框架的复杂性。我们将重点关注理解TensorFlow的最新更新，并利用Keras API（TensorFlow 2.0的官方API）快速轻松地构建模型。在本课程中，我们将构建模型来预测未来房价、分类医学图像、预测未来销售数据、生成完全新的文本等等！本课程旨在平衡理论和实际实现，提供完整的Jupyter笔记本代码指南和易于参考的幻灯片和笔记。我们还有很多练习来测试您的新技能！本课程涵盖了各种主题，包括NumPy快速入门、Pandas数据分析快速入门、数据可视化快速入门、神经网络基础、TensorFlow基础、Keras语法基础、人工神经网络、全连接网络、卷积神经网络、递归神经网络、自动编码器、生成对抗网络（GANs）将TensorFlow部署到生产环境等等。Keras是一个用户友好的机器学习API标准，将是构建和训练模型的中心高级API。Keras API使得使用TensorFlow 2轻松入门。重要的是，Keras提供了几个模型构建API（Sequential、Functional和Subclassing），因此您可以选择适合您项目的抽象级别。TensorFlow的实现包含了一些增强功能，包括即时执行（用于即时迭代和直观调试）和tf.data（用于构建可扩展的输入管道）。TensorFlow 2使得将新想法从概念转化为代码、从模型转化为发布变得容易。TensorFlow 2.0包含了许多功能，可以定义和训练最先进的模型，而不会牺牲速度或性能。它被世界上的许多大公司使用，包括Airbnb、Ebay、Dropbox、Snapchat、Twitter、Uber、SAP、Qualcomm、IBM、Intel和当然，Google！成为深度学习大师吧！我们在课程中见到你！

概述：
第1节：课程概述、安装和设置

讲座1：自动欢迎消息

讲座2：课程概述

讲座3：课程设置和安装

讲座4：FAQ – 常见问题解答

第2节：课程概述确认

第3节：NumPy快速入门

讲座5：NumPy简介

讲座6：NumPy数组

讲座7：NumPy索引选择

讲座8：NumPy操作

讲座9：NumPy练习

讲座10：NumPy练习 – 解答

第4节：Pandas快速入门

讲座11：Pandas简介

讲座12：Pandas系列

讲座13：Pandas数据框 – 第一部分

讲座14：Pandas数据框 – 第二部分

讲座15：Pandas缺失数据

讲座16：GroupBy操作

讲座17：Pandas操作

讲座18：数据输入和输出

讲座19：Pandas练习

讲座20：Pandas练习 – 解答

第5节：可视化快速入门

讲座21：Python可视化简介

讲座22：Matplotlib基础

讲座23：Seaborn基础

讲座24：数据可视化练习

讲座25：数据可视化练习 – 解答

第6节：机器学习概念概述

讲座26：什么是机器学习？

讲座27：监督学习概述

讲座28：过拟合

讲座29：评估性能 – 分类错误度量

讲座30：评估性能 – 回归错误度量

讲座31：无监督学习

第7节：基本人工神经网络 – ANNs

讲座32：人工神经网络简介

讲座33：感知器模型

讲座34：神经网络

讲座35：激活函数

第36讲 多类分类的考虑事项

第37讲 成本函数和梯度下降

第38讲 反向传播

第39讲 TensorFlow与Keras的比较解释

第40讲 Keras语法基础 – 第一部分 – 数据准备

第41讲 Keras语法基础 – 第二部分 – 创建和训练模型

第42讲 Keras语法基础 – 第三部分 – 模型评估

第43讲 Keras回归代码演示 – 探索性数据分析

第44讲 Keras回归代码演示 – 探索性数据分析 – 续

第45讲 Keras回归代码演示 – 数据预处理和创建模型

第46讲 Keras回归代码演示 – 模型评估和预测

第47讲 Keras分类代码演示 – 探索性数据分析和预处理

第48讲 Keras分类 – 处理过拟合和评估

第49讲 TensorFlow 2.0 Keras项目选项概述

第50讲 TensorFlow 2.0 Keras项目笔记概述

第51讲 Keras项目解决方案 – 探索性数据分析

第52讲 Keras项目解决方案 – 处理缺失数据

第53讲 Keras项目解决方案 – 处理缺失数据 – 第二部分

第54讲 Keras项目解决方案 – 分类数据

第55讲 Keras项目解决方案 – 数据预处理

第56讲 Keras项目解决方案 – 创建和训练模型

第57讲 Keras项目解决方案 – 模型评估

第58讲 Tensorboard

第8节：卷积神经网络 – CNNs

第59讲 CNN部分概述

第60讲 图像滤波器和卷积核

第61讲 卷积层

第62讲 池化层

第63讲 MNIST数据集概述

第64讲 在MNIST上使用CNN – 第一部分 – 数据

第65讲 在MNIST上使用CNN – 第二部分 – 创建和训练模型

第66讲 在MNIST上使用CNN – 第三部分 – 模型评估

第67讲 在CIFAR-10上使用CNN – 第一部分 – 数据

第68讲 在CIFAR-10上使用CNN – 第二部分 – 评估模型

第69讲 下载真实图像讲座的数据集

第70讲 在真实图像文件上使用CNN – 第一部分 – 读取数据

第71讲 在真实图像文件上使用CNN – 第二部分 – 数据处理

第72讲 在真实图像文件上使用CNN – 第三部分 – 创建模型

第73讲 在真实图像文件上使用CNN – 第四部分 – 评估模型

第74讲 CNN练习概述

第75讲 CNN练习解答

第9节：循环神经网络 – RNNs

第76讲 RNN部分概述

第77讲 RNN基本理论

第78讲 梯度消失

第79讲 LSTMs和GRU

第80讲 RNN批处理

第81讲 在正弦波上使用RNN – 数据

第82讲 在正弦波上使用RNN – 批生成器

第83讲 在正弦波上使用RNN – 创建模型

第84讲 在正弦波上使用RNN – LSTMs和预测

第85讲 在时间序列上使用RNN – 第一部分

第86讲 在时间序列上使用RNN – 第二部分

第87讲 RNN练习

第88讲 RNN练习 – 解答

第89讲 附加内容 – 多变量时间序列 – RNN和LSTMs

第10节：自然语言处理

第90讲 自然语言处理概述

第91讲 NLP – 第一部分 – 数据

第92讲 NLP – 第二部分 – 文本处理

第93讲 NLP – 第三部分 – 创建批次

第94讲 NLP – 第四部分 – 创建模型

第95讲 NLP – 第五部分 – 训练模型

第96讲 NLP – 第六部分 – 生成文本

第11节：自编码器

第97讲 自编码器介绍

第98讲 自编码器基础

第99讲 自编码器用于降维

第100讲 自编码器用于图像 – 第一部分

第101讲 自编码器用于图像 – 第二部分 – 去噪

第102讲 自编码器练习概述

第103讲 自编码器练习 – 解答

第12节：生成对抗网络

第104讲 GAN概述

第105讲 创建GAN – 第一部分 – 数据

第106讲 创建GAN – 第二部分 – 模型

第107讲 创建GAN – 第三部分 – 模型训练

第108讲 DCGAN – 深度卷积生成对抗网络

第13节：部署

第109讲 部署介绍

第110讲 创建模型

第111讲 模型预测函数

第112讲 运行基本的Flask应用程序

第113讲 Flask Postman API

第114讲 Flask API – 使用Requests进行编程

第115讲 Flask前端

第116讲 实时部署到网络

对于对深度学习和人工智能感兴趣的Python开发人员。