用于人工智能、机器学习和深度学习的 TensorFlow 简介

本课程是 DeepLearning.AI TensorFlow 开发人员专业证书的一部分

位教师：Laurence Moroney

访问权限由 Coursera Learning Team 提供

403,954 人已注册

4个模块

深入了解一个主题并学习基础知识。

19,730 条评论

中级等级

推荐体验

灵活的计划

2 周在 10 小时一周

自行安排学习进度

96%

大多数学生喜欢此课程

4个模块

深入了解一个主题并学习基础知识。

19,730 条评论

中级等级

推荐体验

灵活的计划

2 周在 10 小时一周

自行安排学习进度

96%

大多数学生喜欢此课程

您将学到什么

了解使用流行的开源机器学习框架 TensorFlow 的最佳实践
在 TensorFlow 中构建基本神经网络
为计算机视觉应用训练神经网络
了解如何使用卷积来改进神经网络

您将获得的技能

要了解的详细信息

可分享的证书

添加到您的领英档案

作业

4 项作业

授课语言：英语（English）

了解顶级公司的员工如何掌握热门技能

了解关于 Coursera for Business 的更多信息

Petrobras, TATA, Danone, Capgemini, P&G 和 L'Oreal 的徽标

积累软件开发领域的专业知识

本课程是 DeepLearning.AI TensorFlow 开发人员专业证书专项课程的一部分

在注册此课程时，您还会同时注册此专业证书。

向行业专家学习新概念
获得对主题或工具的基础理解
通过实践项目培养工作相关技能
通过 DeepLearning.AI 获得可共享的职业证书

该课程共有4个模块

如果您是一名软件开发人员，想要构建可扩展的 Algorithm 驱动的算法，您需要了解如何使用工具来构建这些算法。本课程是 DeepLearning.AI TensorFlow 开发人员专业化的一部分，将教您使用 TensorFlow（一种流行的机器学习开源框架）的最佳实践。

Andrew Ng 的机器学习课程和 Deep Learning 专业课程教授机器学习和 Deep Learning 最重要的基础原理。这门新的 DeepLearning.AI TensorFlow 开发人员专业课程教您如何使用 TensorFlow 来实现这些原理，这样您就可以开始构建和应用可扩展的模型来解决实际问题。要想更深入地了解神经网络的工作原理，我们建议您学习 Deep Learning 专业课程。

欢迎来到从基础到精通 TensorFlow 的课程。很高兴您能来到这里！在第 1 周，我们将向你简要介绍什么是机器学习和深度学习，以及它们如何为你提供一种新的编程范式，为你提供一套新的工具来打开以前未曾探索过的场景。你只需要掌握一些非常基本的编程技巧，其余的你可以在学习过程中慢慢掌握。要开始学习，请观看第一段视频，这是安德鲁和劳伦斯之间的对话，为您将要学习的内容设定了主题...

涵盖的内容

4个视频8篇阅读材料1个作业1个编程作业1个应用程序项目1个非评分实验室1个插件

4个视频总计15分钟

导言：与 Andrew Ng 的对话 3分钟
机器学习入门 3分钟
神经网络的 "你好世界 6分钟
用 TensorFlow 和 Python 学习 "Hello World 3分钟

8篇阅读材料总计26分钟

欢迎来到课程！ 1分钟
加入 DeepLearning.AI 论坛，提出问题、获得支持或分享奇思妙想！ 2分钟
从规则到数据 2分钟
关于本课程的笔记本 5分钟
第 1 周讲义 1分钟
作业故障排除技巧 5分钟
(可选）下载笔记本并刷新工作区 5分钟
第一周资源 5分钟

1个作业总计20分钟

第一周测验 20分钟

1个编程作业总计180分钟

住房价格 180分钟

1个应用程序项目总计1分钟

入户调查 1分钟

1个非评分实验室总计60分钟

亲身体验（实验室 1） 60分钟

1个插件总计4分钟

开始使用 Google Colaboratory（TensorFlow 编码） 4分钟

欢迎来到课程的第 2 周！在第 1 周，您了解到机器学习和深度学习是一种全新的编程模式。本周你将更上一层楼，开始用几行代码解决计算机视觉问题！看看劳伦斯和安德鲁在对话中的讨论，向你介绍计算机视觉！

涵盖的内容

7个视频3篇阅读材料1个作业1个编程作业2个非评分实验室

7个视频总计15分钟

与 Andrew Ng 对话 2分钟
计算机视觉入门 2分钟
编写加载训练数据的代码 2分钟
计算机视觉神经网络编码 2分钟
浏览计算机视觉笔记本 3分钟
使用回调控制培训 2分钟
使用回调功能浏览笔记本 1分钟

3篇阅读材料总计12分钟

探索如何使用数据 10分钟
标记时尚 MNIST 数据 1分钟
第 2 周课堂笔记 1分钟

1个作业总计20分钟

第二周测验 20分钟

1个编程作业总计180分钟

使用 MNIST 数据集在 TensorFlow 中实现回调 180分钟

2个非评分实验室总计75分钟

亲身体验计算机视觉（实验室 1） 45分钟
查看如何实现回调（实验 2） 30分钟

欢迎来到第 3 周！在第 2 周，你看到了一个基本的计算机视觉神经网络。它很好地完成了任务，但它的方法有点幼稚。本周我们将看看如何让它变得更好，劳伦斯和安德鲁在这里讨论了这个问题。

涵盖的内容

6个视频3篇阅读材料1个作业1个编程作业2个非评分实验室

6个视频总计18分钟

与 Andrew Ng 对话 2分钟
什么是卷积和汇集？ 3分钟
实施卷积层 2分钟
实施汇集层 4分钟
用卷积改进时尚分类器 4分钟
在迂回曲折中前行 3分钟

3篇阅读材料总计12分钟

编码卷积和汇集层 10分钟
了解有关卷积的更多信息 1分钟
第 3 周课堂笔记 1分钟

1个作业总计20分钟

第三周测验 20分钟

1个编程作业总计180分钟

利用卷积改进 MNIST 180分钟

2个非评分实验室总计90分钟

亲身体验（实验室 1） 30分钟
过滤器和水池实验（实验室 2） 60分钟

上周你看到了如何使用卷积来改进深度神经网络的结果。这是一个良好的开端，但你使用的数据非常基础。如果图像更大，或者特征不总是在同一个地方，会发生什么情况？安德鲁和劳伦斯将就此展开讨论，为本周的学习做好准备：处理复杂图像！

涵盖的内容

9个视频6篇阅读材料1个作业1个编程作业3个非评分实验室

9个视频总计28分钟

与 Andrew Ng 对话 2分钟
了解 tf.data API 6分钟
定义 ConvNet 以使用复杂图像 3分钟
训练 ConvNet 2分钟
逐步开发 ConvNet 2分钟
训练 ConvNet 4分钟
为测试准确性增加自动验证功能 4分钟
探索压缩图像的影响 3分钟
与安德鲁的对话 2分钟

6篇阅读材料总计17分钟

探索有影响力的现实世界解决方案 3分钟
训练神经网络 10分钟
第 4 周讲义 1分钟
[重要] 关于实验室笔记本使用权终止的提醒 2分钟
总结 0分钟
致谢 1分钟

1个作业总计20分钟

第 4 周测验 20分钟

1个编程作业总计180分钟

处理复杂图像 180分钟

3个非评分实验室总计150分钟

使用马或人分类器进行实验（实验室 1） 30分钟
动手操作并使用验证（实验室 2） 60分钟
实际操作压缩图像（实验室 3） 60分钟

获得职业证书

将此证书添加到您的 LinkedIn 个人资料、简历或履历中。在社交媒体和绩效考核中分享。

位教师

授课教师评分

(4,985个评价)

Laurence Moroney

DeepLearning.AI

22 门课程 594,428 名学生

提供方

DeepLearning.AI

人们为什么选择 Coursera 来帮助自己实现职业发展

Felipe M.

自 2018开始学习的学生

''能够按照自己的速度和节奏学习课程是一次很棒的经历。只要符合自己的时间表和心情，我就可以学习。'

Jennifer J.

自 2020开始学习的学生

''我直接将从课程中学到的概念和技能应用到一个令人兴奋的新工作项目中。'

Larry W.

自 2021开始学习的学生

''如果我的大学不提供我需要的主题课程，Coursera 便是最好的去处之一。'

Chaitanya A.

''学习不仅仅是在工作中做的更好：它远不止于此。Coursera 让我无限制地学习。'

学生评论

5 stars
81.19%
4 stars
15.18%
3 stars
2.40%
2 stars
0.62%
1 star
0.58%

显示 3/19730 个

已于 Aug 14, 2020审阅

This course is awesome and the way instructor teaches the topic is fantastic.I would definitely recommend this course for Ai enthusiast and tech enthusiast who are interested in learning Tensorflow.

已于 Apr 5, 2020审阅

It's a good hands-on exercise. I like to see more link to keras api document when we introduce new function in keras. However, Tensorflow document regarding keras api is yet in complete. Thank you.

已于 Mar 8, 2019审阅

Good intro course, but google colab assignments need to be improved. And submitting a jupyter notebook was much more easier, why would I want to login to my google account to be a part of this course?

查看更多评论