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)