![](../img/lab-not-ok.png)
神经网络与深度学习—TensorFlow培训
01
人工智能的起源和发展
1.1 人工智能的诞生
1.2 人工智能的发展
1.3 机智过人or技不如人?
02
TensorFlow2.0环境的安装与使用
2.1 开发环境介绍
2.2 Anaconda的下载与安装
2.3 Hello,World
2.4 使用Jupyter Notebook
2.5 包管理和环境管理
2.6 安装TensorFlow2.0
*2.7 安装TensorFlow2.0 GPU版本
03
Python语言基础(1)
3.1 初识Python
3.2 第一个Python程序
3.3 输入和输出
3.4 常量、变量和表达式
3.5 程序控制语句
04
Python语言基础(2)
4.1内置数据结构
4.2 函数和模块
4.3 Python面向对象编程
4.4 文件
4.5 异常处理
4.6 上下文管理器
05
NumPy科学计算库
5.1 多维数组
5.2 创建NumPy数组
5.3 数组运算
5.4 矩阵和随机数
06
Matplotlib数据可视化
6.1 Matplotlib绘图基础
6.2 散点图
6.3 折线图和柱形图
6.4 实例:波士顿房价数据集可视化
6.5 实例:鸢尾花数据集可视化
07
数字图像基础
7.1 数字图像基本概念
7.2 Pillow图像处理库
7.3 实例:手写数字数据集MNIST
08
Tensorflow基础
8.1 Tensorflow2.0特性
8.2 创建张量
8.3 维度变换
8.4 部分采样
8.5 张量运算
*8.6使用GPU
09
回归问题
9.1 机器学习基础
9.2 一元线性回归
9.3 实例:解析法实现一元线性回归
9.4 多元线性回归
9.5 实例:解析法实现多元线性回归
*9.6 实例:三维模型可视化
10
梯度下降法
10.1 梯度下降法基本原理
10.2 实例:梯度下降法实现线性回归问题
10.3 TensorFlow的可训练变量和自动求导机制
10.4 实例:TensorFlow实现梯度下降法
10.5 模型评估
10.6 实例:波士顿房价预测
11
分类问题
11.1 逻辑回归
11.2 实例:实现一元逻辑回归
11.3 线性分类器
11.4 实例:实现多元逻辑回归
11.5 多分类问题
*11.6 实例:实现多分类
12
人工神经网络(1)
12.1 神经元与感知机
12.2 实例:单层神经网络实现鸢尾花分类
12.3 多层神经网络
12.4 误差反向传播算法
12.5 激活函数
12.6 实例:多层神经网络实现鸢尾花分类
13
人工神经网络(2)
13.1 小批量梯度下降
13.2 梯度下降法的优化
13.3 keras和tf.keras
13.4 Sequential模型
13.5 实例:Sequential模型实现手写数字识别
13.6 实例:模型的保存与加载
14
卷积神经网络
14.1 深度学习基础
14.2 图像识别与深度学习
14.3 图像卷积
14.4 卷积神经网络
14.5 实例:卷积神经网络实现手写数字识别
14.6 实例:卷积神经网络识别cifar10图片