TensorFlow 课程可以帮助您学习神经网络、深度学习技术和模型部署策略。您可以掌握数据预处理、超参数调整和性能评估方面的技能。许多课程都会介绍用于构建模型的 Keras、用于可视化的 TensorBoard 等工具,以及用于将 AI 集成到应用程序中的各种 API。
DeepLearning.AI
您将获得的技能: 机器学习, 生成式人工智能, 深度学习, 预测建模, 数据处理, 人工神经网络, 预测, 时间序列分析和预测, 人工智能和机器学习(AI/ML), 文本挖掘, 应用机器学习, 人工智能, Machine Learning 方法, Keras(神经网络库), 计算机视觉, 监督学习, 自然语言处理, 张力流, 图像分析
中级 · 专业证书 · 3-6 个月

DeepLearning.AI
您将获得的技能: 机器学习, 人工智能, 深度学习, 人工神经网络, Keras(神经网络库), 计算机视觉, 张力流, 图像分析
中级 · 课程 · 1-4 周

您将获得的技能: PyTorch (Machine Learning Library), Keras (Neural Network Library), Deep Learning, Reinforcement Learning, Unsupervised Learning, Artificial Neural Networks, Machine Learning Methods, Generative AI, Tensorflow, Artificial Intelligence and Machine Learning (AI/ML), Image Analysis, Computer Vision, Statistical Modeling, Artificial Intelligence, Geospatial Information and Technology, Machine Learning, Regression Analysis, Data Pipelines, Network Architecture, Network Model
中级 · 专业证书 · 3-6 个月
DeepLearning.AI
您将获得的技能: 网络架构, 生成式人工智能, 深度学习, 人工神经网络, NumPy, 分布式计算, 生成模型架构, 热图, 可视化(计算机制图), 无监督学习, 性能调整, Keras(神经网络库), 网络模型, 面向对象编程(OOP), 图像分析, 计算机视觉, 张力流
中级 · 专项课程 · 3-6 个月

Imperial College London
您将获得的技能: 机器学习, 计算机编程, 深度学习, 预测建模, 贝叶斯统计, 数据处理, 人工神经网络, 计划发展, 自然语言处理, 数据管道, 应用机器学习, 无监督学习, Data Validation, 生成模型架构, Keras(神经网络库), Machine Learning 方法, 计算机视觉, 图像分析, 监督学习, 张力流
中级 · 专项课程 · 3-6 个月

IBM
您将获得的技能: Python 程序设计, 机器学习, 深度学习, 生成式人工智能, 大型语言模型, Prompt Engineering, LLM 申请, 数据科学, 自然语言处理, 强化学习, PySpark, PyTorch(机器学习库), 功能工程, Keras(神经网络库), 计算机视觉, 应用机器学习, 监督学习, 张力流, 无监督学习, Apache Spark
攻读学位
中级 · 专业证书 · 3-6 个月

Google Cloud
您将获得的技能: 机器学习, 深度学习, 云计算, Google 云端平台, 人工神经网络, 脚本, 开发环境, 张力流
初级 · 项目 · 不超过 2 小时

DeepLearning.AI
您将获得的技能: 机器学习, 深度学习, 生成式人工智能, 人工神经网络, 文本挖掘, 自然语言处理, 人工智能和机器学习(AI/ML), 应用机器学习, 张力流
中级 · 课程 · 1-4 周

您将获得的技能: 生成式人工智能, 深度学习, 强化学习, 人工神经网络, 人工智能和机器学习(AI/ML), 人工智能, 性能调整, Keras(神经网络库), Machine Learning 方法, 自然语言处理, 无监督学习, 张力流
中级 · 课程 · 1-3 个月

您将获得的技能: Tensorflow, Artificial Neural Networks, Keras (Neural Network Library), Deep Learning, Time Series Analysis and Forecasting, Image Analysis, Artificial Intelligence and Machine Learning (AI/ML), Natural Language Processing, Computer Vision, Forecasting, Classification And Regression Tree (CART), Supervised Learning, Machine Learning, Text Mining, Predictive Analytics, NumPy, Regression Analysis, Network Architecture, Data Processing, Data Science
中级 · 专项课程 · 1-3 个月

您将获得的技能: Keras (Neural Network Library), Image Analysis, Deep Learning, Artificial Neural Networks, Tensorflow, Data Processing, Computer Vision, Data Transformation, Financial Forecasting, Applied Machine Learning, Feature Engineering, Artificial Intelligence and Machine Learning (AI/ML), Data Visualization, Time Series Analysis and Forecasting, Exploratory Data Analysis, Python Programming, Customer Analysis, Predictive Modeling, Google Cloud Platform, Development Environment
初级 · 专项课程 · 1-3 个月

DeepLearning.AI
您将获得的技能: 机器学习, 深度学习, 应用程序部署, 数据处理, 数据转换, 数据导入/导出, 安卓开发, iOS 开发, 数据管道, 数据整合, 功能工程, 摘录, Keras(神经网络库), Swift 编程, 计算机视觉, Javascript, MLOps(机器学习 Operator), 图像分析, 移动开发, 张力流
中级 · 专项课程 · 3-6 个月
TensorFlow 是一个用于机器学习(ML)编程的开源框架,最初由谷歌深度学习和人工智能(AI)研究团队 "谷歌大脑"(Google Brain)创建。 由于其灵活性以及全面的工具和资源生态系统,它已成为最受欢迎的机器学习软件平台之一。 例如,TensorFlow.js 允许基于 JavaScript 的 ML 应用程序在浏览器中运行;TensorFlow Lite 可在移动设备上运行,用于联合学习应用程序;TensorFlow Hub 提供了一个广泛的可重用 ML 模型库。
TensorFlow 的灵活性及其机器学习应用的广泛性对于实现广泛的用途非常重要。 TensorFlow 经常用于计算机视觉应用,包括社交媒体中的面部识别、医疗保健中的自动 X 光扫描以及自动驾驶汽车。 同样,自然语言处理 (NLP) 应用程序可以理解口语和书面文本并作出反应,从而可以创建有用的聊天机器人和其他数字代理,以及自动阅读和总结文本。 音乐流媒体服务和在线零售商使用的推荐引擎也可以在 TensorFlow 中构建。
这些只是机器学习应用的强大功能以及利用 TensorFlow 实现这些功能的几例。 如果您有兴趣进一步推动这一瞬息万变领域的发展,学习 TensorFlow 是必不可少的。
掌握 TensorFlow 方面的专业知识对您的技能组合来说是一项极有价值的补充,可以为您打开通往许多令人兴奋的职业生涯的大门。 作为机器学习和深度学习应用中最流行、最实用的平台之一,整个科技界以及汽车行业、医学、机器人等领域的公司都需要 TensorFlow 技能。 对 TensorFlow 和机器学习技能的高需求转化为高薪;根据 Glassdoor 的数据,美国机器学习工程师的平均工资为 114121 美元。
当然,事实上,Coursera 是在线学习 TensorFlow 技能的最佳场所之一。 您可以从 deeplearning.ai 选修单门课程或跨多个课程的专业课程、 或行业领导者谷歌云。 您还可以选修伦敦帝国理工学院和国立研究大学高等经济学院等世界一流大学的课程。 Coursera 的 "指导项目 "提供了另一种学习方式,由经验丰富的讲师提供 Tensorflow 实践教程。
在开始学习 TensorFlow 之前,您需要对 Python 有基本的了解,因此最好先从这门编程语言的入门课程开始。 Python 是用于设计 TensorFlow 的语言。 了解人工智能(AI)概念也很有帮助。 您应该具备很强的数学能力,尤其是代数能力,这样才能熟悉 TensorFlow 所需的计算和算法。 在开始学习 TensorFlow 时,向量、标量和矩阵的基础知识以及基本统计学知识也非常有帮助。 了解机器学习的基础知识也很重要。
最适合在 TensorFlow 中工作的人都对机器学习或深度学习感兴趣。 重要的软技能包括沟通技能、解决问题的技能、时间管理、团队合作和求知欲。 在工作中使用 TensorFlow 的人可能会与软件工程师、研究科学家、营销团队、数据科学家和产品团队等专业团队一起工作,因此他们必须能够清晰地沟通,确定任务的优先级,并朝着共同的目标努力。 由于使用 TensorFlow 的领域(如人工智能、机器学习和深度学习)在不断发展,因此那些能够很好地适应变化并渴望学习或开发下一项新技术的人非常适合这些职位。
如果您目前正在或有志于在机器学习领域发展,那么学习 TensorFlow 很可能是您的正确选择。 如果你想进入深度学习领域,担任深度学习科学家、深度学习软件工程师或深度学习研究员等职位,TensorFlow 也同样适用,因为它是深度学习的良好起点。 如果你正在进行深度学习实习,学习 TensorFlow 也很适合你。
在线 TensorFlow 课程提供了一种方便灵活的方式来增强您的知识或学习新的 TensorFlow 技能。 从顶级大学和行业领导者提供的各种 TensorFlow 课程中选择适合不同技能水平的课程。