1040
隨著谷歌不斷在開放AI開發(fā)平臺，人工智能開發(fā)像Android一樣逐漸平民化、大眾化，是主動學習還是被動淘汰？顯然，越早學習和掌握這一技術的人才越有優(yōu)勢。
為此，摩爾吧特開設“AI基礎系列課程”，涵蓋 Python、TensorFlow、樹莓派、神經(jīng)棒以及視頻對話節(jié)目“AI發(fā)現(xiàn)”，讓我們跟著大咖的視角來近距離解密AI。
為什么學習人工智能的時候需要學習tensorflow？
首先tensorflow是google維護的一個框架，現(xiàn)在在業(yè)內(nèi)使用的最為廣泛，其次，由于tensorflow封裝了很多人工智能的邏輯，它能夠幫你在100行復雜代碼里實現(xiàn)復雜的圖片識別功能。
此門課程是一門入門課程，除了講述tensorflow的技術細節(jié)以外，還會為大家介紹很多關于人工智能的思維邏輯以及后面的數(shù)學方法，希望大家除了學習到了tensorflow的技術以外還能對人工智能有一個立體的了解。
羅列兩個我們經(jīng)常遇到的關于人工智能的常規(guī)問題：
1、人工智能是大數(shù)據(jù)嗎？它是機器學習嗎？
2、我們能否根據(jù)彩票的中獎的歷史數(shù)據(jù)去預測下一次的中獎號碼？
如果你不知道這些問題的答案沒有關系，相信通過本次的學習，你都會對人工智能有一套自己的看法。
整個課程分為20小節(jié)，內(nèi)容主要涵蓋：tensorflow的結構和語法，機器學習的基礎知識，深度學習的各種算法比如DNN,CNN,RNN。
講師介紹：
系列課程大綱（課程持續(xù)更新中）：
第1課：引言(Introduction)
第2課：TensorFlow的介紹與基本語法
第3課：機器學習(machine learning)入門
第4-5課：線性回歸(linear regression)
第6課：線性代數(shù)(可選)
第7-8課：邏輯回歸(logistic regression)
第9課：偏差(bias)與方差(viarance)
第10課：神經(jīng)網(wǎng)絡(neural network)
第11課：深度神經(jīng)網(wǎng)絡(deep neural network)
第12-14課：卷積神經(jīng)網(wǎng)絡(convolutional neural network)
第15-17課：循環(huán)神經(jīng)網(wǎng)絡(recurrent neural network)
第18課：準確率(precision)與召回率(recall)
第19-20課：小結
Tensor Flow安裝：點擊獲取
AI基礎系列課程：
【AI發(fā)現(xiàn)】失業(yè)在左、就業(yè)在右，人工智能時代的潘多拉魔盒
樹莓派系列課程(敬請期待）
神經(jīng)棒系列課程(敬請期待）?
