基於Python玩轉人工智能最火框架 TensorFlow應用實踐

第1章 課程總體介紹
課程背景簡介，項目成果演示，知識點和軟件簡介，讓你們對接下來的學習心中有數
1-1 課程總體介紹及導學

第2章 人工智能基礎知識
人工智能、神經網絡、機器學習、深度學習、激活函數、過擬合、卷積神經網絡、循環神經網絡等知識的按部就班講解。培養你們對課程的興趣，瞭解人工智能前景，對人工智能抱持正確態度
2-1 什麼是人工智能
2-2 人工智能前景
2-3 人工智能須要的基本數學知識
2-4 人工智能簡史
2-5 AI、機器學習和深度學習的關聯
2-6 什麼是機器學習
2-7 面對AI，咱們應有的態度
2-8 什麼是過擬合
2-9 什麼是深度學習

第3章 TensorFlow簡介和開發環境搭建
TensorFlow是什麼，TensorFlow原理和前景，TensorFlow和其餘框架的對比（例如 Theano，ScikitLearn，Keras，Caffe2，PyTorch等）。開發環境搭建，並提供講師已經配置好開發環境的虛擬機鏡像
3-1 什麼是TensorFlow
3-2 TensorFlow和其餘機器學習庫的對比1
3-3 如何學習TensorFlow
3-4 TensorFlow前景
3-5 如何使用課程提供的虛擬機文件
3-6 安裝VirtualBox
3-7 安裝Ubuntu
3-8 配置Ubuntu系統
3-9 安裝Python
3-10 安裝TensorFlow（上）
3-11 安裝TensorFLow（下）
3-12 安裝Python類庫

第4章 TensorFlow原理與進階（代碼實踐）
TensorFlow核心概念，TensorFlow激勵函數，TensorFlow構建神經網絡，TensorFlow優化器，可視化利器TensorBoard，TensorFlow解決過擬合，TensorFlow實現卷積神經網絡和循環神經網絡等。經過生動圖文原理解釋和實例，按部就班掌握TensorFlow
4-1 從HelloWorld開始
4-2 TensorFlow的編程模式
4-3 TensorFlow的基礎結構
4-4 圖和會話
4-5 Python經常使用庫Numpy的使用
4-6 什麼是Tensor（上）
4-7 什麼是Tensor（下）
4-8 圖和會話原理及案例（上）
4-9 圖和會話原理及案例（下）
4-10 可視化利器TensorBoard（上）
4-11 可視化利器TensorBoard（下）
4-12 酷炫模擬遊樂園PlayGround
4-13 經常使用Python庫Matplotlib
4-14 綜合小練習：梯度降低解決線性迴歸（上）
4-15 綜合小練習：梯度降低解決線性迴歸（中）
4-16 綜合小練習：梯度降低解決線性迴歸（下）
4-17 激活函數（上）
4-18 激活函數（下）
4-19 動手實現CNN卷積神經網絡（一）
4-20 動手實現CNN卷積神經網絡（二）
4-21 動手實現CNN卷積神經網絡（三）
4-22 動手實現CNN卷積神經網絡（四）
4-23 動手實現CNN卷積神經網絡（五）
4-24 動手實現RNN-LSTM循環神經網絡（一）：背景和知識點
4-25 動手實現RNN-LSTM循環神經網絡（二）：編寫實用方法(上)
4-26 動手實現RNN-LSTM循環神經網絡（三）：編寫實用方法(中)
4-27 動手實現RNN-LSTM循環神經網絡（四）：編寫實用方法(下)1
4-28 動手實現RNN-LSTM循環神經網絡（四）：編寫實用方法(下)2
4-29 動手實現RNN-LSTM循環神經網絡（五）：編寫神經網絡模型(上)
4-30 動手實現RNN-LSTM循環神經網絡（六）：編寫神經網絡模型(中)1
4-31 動手實現RNN-LSTM循環神經網絡（六）：編寫神經網絡模型(中)2
4-32 動手實現RNN-LSTM循環神經網絡（七）：編寫神經網絡模型(下)
4-33 動手實現RNN-LSTM循環神經網絡（八）：編寫訓練方法(上)
4-34 動手實現RNN-LSTM循環神經網絡（九）：編寫訓練方法(下)
4-35 動手實現RNN-LSTM循環神經網絡（十）：編寫測試方法
4-36 動手實現RNN-LSTM循環神經網絡（十一）：實際訓練和測試

第5章 案例一 會做曲的人工智能
結合RNN-LSTM開發能做出動聽旋律的炫酷人工智能：背景和知識點簡介，開發環境配置，原理講解，代碼實現，訓練模型和測試
5-1 背景和知識點簡介
5-2 音樂和數學的聯繫
5-3 什麼是MIDI文件
5-4 配置開發環境
5-5 編寫轉換MIDI到MP3的方法
5-6 Python音樂庫Music21的使用和測試方法
5-7 編寫整個神經網絡模型
5-8 編寫從訓練文件獲取音符的方法
5-9 編寫從預測數據來生成音樂的方法
5-10 編寫訓練神經網絡的方法（一）
5-11 編寫訓練神經網絡的方法（二）
5-12 編寫訓練神經網絡的方法（三）
5-13 編寫神經網絡生成音樂的方法（一）
5-14 編寫神經網絡生成音樂的方法（二）
5-15 純TensorFlow版的預告

第6章 案例二 會Photoshop的人工智能
結合DCGAN開發會PS的人工智能。今後P圖不用愁，分分鐘搞定N多圖片的建立：背景和知識點簡介，開發環境配置，原理講解，代碼實現，訓練模型和測試
6-1 背景和知識點簡介
6-2 配置開發環境
6-3 什麼是GAN(生成對抗網絡)
6-4 什麼是DCGAN
6-5 編寫DCGAN中的判別器模型（上）
6-6 編寫DCGAN中的判別器模型（下）
6-7 編寫DCGAN中的生成器模型
6-8 編寫訓練神經網絡的方法（上）
6-9 編寫訓練神經網絡的方法（下）
6-10 編寫神經網絡生成圖片的方法
6-11 代碼完成和測試模型
6-12 純TensorFlow版的預告

第7章 案例三 會開3D賽車的人工智能
結合深度強化學習中的A3C實現會開3D賽車的人工智能，學會自動駕駛：背景和知識點簡介，開發環境配置，原理講解，代碼實現，訓練模型和測試
7-1 背景和知識點簡介
7-2 強化學習的經典實驗環境
7-3 配置開發環境（1）
7-4 配置開發環境（2）
7-5 什麼是強化學習
7-6 什麼是Q Learning
7-7 Q-Learning 實現機器人走迷宮：建立環境
7-8 Q-Learning 實現機器人走迷宮：決策算法（1）
7-9 Q-Learning 實現機器人走迷宮：決策算法（2）
7-10 Q-Learning 實現機器人走迷宮：遊戲主程序
7-11 Deep Q Learning 實現迷宮遊戲：決策算法（1）
7-12 Deep Q Learning 實現迷宮遊戲：決策算法（2）
7-13 Deep Q Learning 實現迷宮遊戲：決策算法（3）
7-14 Deep Q Learning 實現迷宮遊戲：決策算法(4)和主程序
7-15 Policy Gradient 實現 Gym 遊戲
7-16 A3C 實現 3D 賽車遊戲：成果演示
7-17 A3C實現3D賽車遊戲：講解A3C和編寫環境
7-18 A3C實現3D賽車遊戲：編寫A3C算法和主程序

第8章 知識點總結和課程延展
知識點總結，如何學習一門知識，如何深刻人工智能和TensorFlow，如何學習數學和英語，TensorFlow還能作什麼，等等。
8-1 總結陳詞和補充
8-2 如何學好英語
8-3 如何學好數學
8-4 如何學習一門技術及課程知識點總結
8-5 深刻AI和TensorFlow

下載地址:百度網盤下載