1377
随着谷歌不断在开放AI开发平台，人工智能开发像Android一样逐渐平民化、大众化，是主动学习还是被动淘汰？显然，越早学习和掌握这一技术的人才越有优势。
为此，摩尔吧特开设“AI基础系列课程”，涵盖 Python、TensorFlow、树莓派、神经棒以及视频对话节目“AI发现”，让我们跟着大咖的视角来近距离解密AI。
为什么学习人工智能的时候需要学习tensorflow？
首先tensorflow是google维护的一个框架，现在在业内使用的最为广泛，其次，由于tensorflow封装了很多人工智能的逻辑，它能够帮你在100行复杂代码里实现复杂的图片识别功能。
此门课程是一门入门课程，除了讲述tensorflow的技术细节以外，还会为大家介绍很多关于人工智能的思维逻辑以及后面的数学方法，希望大家除了学习到了tensorflow的技术以外还能对人工智能有一个立体的了解。
罗列两个我们经常遇到的关于人工智能的常规问题：
2、我们能否根据彩票的中奖的历史数据去预测下一次的中奖号码？
如果你不知道这些问题的答案没有关系，相信通过本次的学习，你都会对人工智能有一套自己的看法。
整个课程分为20小节，内容主要涵盖：tensorflow的结构和语法，机器学习的基础知识，深度学习的各种算法比如DNN,CNN,RNN。
讲师介绍：
系列课程大纲（课程持续更新中）：
第1课：引言(Introduction)
第2课：TensorFlow的介绍与基本语法
第3课：机器学习(machine learning)入门
第4-5课：线性回归(linear regression)
第6课：线性代数(可选)
第7-8课：逻辑回归(logistic regression)
第9课：偏差(bias)与方差(viarance)
第10课：神经网络(neural network)
第11课：深度神经网络(deep neural network)
第12-14课：卷积神经网络(convolutional neural network)
第15-17课：循环神经网络(recurrent neural network)
第18课：准确率(precision)与召回率(recall)
第19-20课：小结
Tensor Flow安装：点击获取
AI基础系列课程：
树莓派系列课程(敬请期待）
神经棒系列课程(敬请期待）
