     深度學(xué)習(xí)—基于Python的Tensorflow進(jìn)階培訓(xùn)

第1講 Tensorflow基礎(chǔ)
1) TensorFlow系統(tǒng)架構(gòu)
2) 數(shù)據(jù)流圖
3) TensorFlow基本概念
4) TensorFlow實(shí)現(xiàn)數(shù)據(jù)流圖
5) 可視化數(shù)據(jù)流圖
6) TensorFlow分布式
第2講 TensorFlow圖像處理
1) 加載圖像
2) 圖像格式
3) 把圖像轉(zhuǎn)換為 TFRecord文件
4) 讀取 TFRecord文件
5) 圖像處理實(shí)例
6) 全新的數(shù)據(jù)讀取方式— Dataset API
第3講 Tensorflow神經(jīng)元函數(shù)
1) 激活函數(shù)
2) sigmoid函數(shù)
3) 代價(jià)函數(shù)
4) softmax_cross_entropy函數(shù)
第4講 TensorFlow自編碼器
1) 自編碼簡介
2) 降噪自編碼
3) 自編碼器解析手寫數(shù)字
4) 實(shí)例：用自編碼預(yù)測信用卡欺詐
第5講 TensorFlow實(shí)現(xiàn)Word2vec
1) 詞向量及其表達(dá)
2) Word2vec原理
3) skim-gram模型
4) 實(shí)例： TensorFlow實(shí)現(xiàn)Word2Vec
第6講 TensorFlow卷積神經(jīng)網(wǎng)絡(luò)
1) 卷積神經(jīng)網(wǎng)絡(luò)簡介
2) 卷積層
3) 池化層
4) 歸一化層
5) Tensorflow實(shí)現(xiàn)簡單卷積神經(jīng)網(wǎng)絡(luò)
6) TensorFlow實(shí)現(xiàn)進(jìn)階卷積神經(jīng)網(wǎng)絡(luò)
7) 幾種經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)
第7講 TensorFlow循環(huán)神經(jīng)網(wǎng)絡(luò)
1) 循環(huán)神經(jīng)網(wǎng)絡(luò)簡介
2) 前向傳播與隨時(shí)間反向傳播
3) 梯度消失或爆炸
4) RNN其他變種
5) RNN應(yīng)用場景
6) 實(shí)例：用LSTM實(shí)現(xiàn)分類
第8講 TensorFlow高層封裝
1) TensorFlow高層封裝簡介
2) Estimator簡介
3) 實(shí)例：使用 Estimator預(yù)定義模型
4) 實(shí)例：使用 Estimator自定義模型
5) Keras簡介
6) 實(shí)例： Keras實(shí)現(xiàn)序列式模型
7) TFLearn簡介
第9講 情感分析及實(shí)操
1) 深度學(xué)習(xí)與自然語言處理
2) 詞向量簡介
3) 循環(huán)神經(jīng)網(wǎng)絡(luò)
4) 遷移學(xué)習(xí)簡介
5) 實(shí)例： TensorFlow實(shí)現(xiàn)情感分析
第10講 用TensorFlow預(yù)測乳腺癌
1) 數(shù)據(jù)說明
2) 數(shù)據(jù)預(yù)處理
3) 探索數(shù)據(jù)
4) 構(gòu)建神經(jīng)網(wǎng)絡(luò)
5) 訓(xùn)練并評(píng)估模型
第11講 聊天機(jī)器人及實(shí)操
1) 聊天機(jī)器人原理
2) Encoder-Decoder架構(gòu)
3) 帶注意力的框架
4) 用 TensorFlow實(shí)現(xiàn)聊天機(jī)器人
第12講 人臉識(shí)別及實(shí)操
1) 人臉識(shí)別簡介
2) 人臉識(shí)別流程
3) 項(xiàng)目概況
4) 實(shí)施步驟
第13講 強(qiáng)化學(xué)習(xí)基礎(chǔ)
1) 強(qiáng)化學(xué)習(xí)簡介
2) 強(qiáng)化學(xué)習(xí)常用算法
3) Q-Learning算法
4) DQN算法
第14講 生成式對(duì)抗網(wǎng)絡(luò)
1) 生成 ndarray的幾種方式
2) 存取元素
3) 矩陣操作
4) 數(shù)據(jù)合并與展平
5) 通用函數(shù)
6) 廣播機(jī)制