AI人工智能编程技术培训
课程目标：
1:通过深度学习原理与TensorFlow实践的学习，学生可以获得有关学 术界和工业界的深度学习核心知识·包括神经网络、深度学习，深度学习框架 TensorFlow,Python 编程基础、TensorFlow编程基础、TensorFlow 模型、TensorFlow 编程实践TensorFlowLite和TensorFlow应用案例代码分析等相关知识与技能·为以后开发深度学习应用程序打下必要的基础·
2:通过本课程的学习，学生应获得如下能力:获取深度学习进一步知 识的能力;TensorFlow编程能力;使用TensorFlow开发深度学习系统的能力;较 强的自主学习能力·提高学生学习深度学习和TensorFlow编程技术的积极性和 学习兴趣;主动探索和独立思考的能力·
课程内容：
|
深度学习绪论和机 器学习概论 |
教学重点：机器学习方法和数据预处理方法 教学目的：了解深度学习的发展历程和 TensorFlow的应用现状掌握机器学习相关 的数学基础知识、相关的机器学习理论和机器学习方法以及数据的预处理方法 |
|
神经网络和深度学 |
教学重点：多层感知机反向传播算法、激活函数损失函数和过拟合、卷积、池化、长短时记忆网络门控循环单元网络 教学目的：了解神经网络基础知识、理解神经网络 模型掌握多层感知机神经网络、卷积神经网络、循环神经网络、深度置信网络·了解深度学习开源 开发框架· |
|
Python编程基础 |
教学重点：Python编程基础和Python标准库Python机器学习库· 教学目的：理解和掌握Python交装、Jupyter notebook编程器使用、Python编程基础、Python标准库以及Python机器学习库 |
|
Tensorflow 编程 模型以及实践 |
教学重点：TensorFlow的统程基础·tf，nn，tf.layers ,tf,Estimator ,tf,KerasTensorboard，MNIST手写数字识别 教学目的： 1.掌握TensorFlow环境安装、TensorFlow的系统架构及源码结构、TensorFlow的高层封装 2.掌握TensorFlow模型构建、TensorFlow模型训练、Tensorborad 调式与评估、estimator以及TensorFlow模型载入、保存以及调用分析MNIST手写数字识别、Fashion MNIST和TensorflowRNN简笔画识别示例代码 |
|
Tensorflow Lite和 |
教学重点：TensorFlow lite 的移动端安卓 开发的卷积网络手写数字识别示例。 教学目的：了解和掌握TensorFlowLite 和 |
