TensorFlow 2项目进阶实战--极客时间课程推荐/优惠
手把手带你打通AI项目落地全流程
视频课 | 56讲 | 7567人已学习
优惠价￥59原价：129
去官网优惠购买
版权声明
本站非极客时间官网，与官方无任何关系。我们不提供课程下载或详细内容，仅作为课程分享和推荐平台。我们鼓励大家支持正版，尊重创作者的劳动成果，这样不仅能帮助创作者持续产出优质内容，也能让自己获得更好的学习体验。请通过官方渠道购买和学习课程，感谢您的理解与支持。
课程详情
你将获得
- TensorFlow 2 核心思想和实战技能
- AI 项目的设计思路和关键原则
- 完整落地一个 AI 新零售项目
- 落地 AI 项目的踩坑与填坑经验
课程介绍
TensorFlow 2.0 发布已有一年多，但仍有很大量开发者不愿从 1.x 升级，或从别的框架迁移过来。事实上，TensorFlow 2 不仅继承了 Keras 快速上手和易于使用的特性，还扩展了原有 Keras 所不支持的分布式训练，并整合了 TF 生态的其他组件（如 TF Serving、TF Lite、TF Hub、TFX 等），可有效提升生产环境的稳定性和可维护性。
对学习者来说，从工具使用到实战项目的落地，中间还有很长的路要走，有不少坑要去填。可以说，想要顺利落地基于 TensorFlow 2 的 AI 项目，并不是一件容易的事。
因此，我们希望通过本课程来帮助学员了解AI落地的设计思路和经验，手把手带你落地一个完整的AI项目，知道这个过程中会有哪些坑，如何去避免。同时，你也能通过实战进一步提升自己的AI技术，达到对 TensorFlow 2 的熟练运用。
课程目录
课程简介
- 01 | 课程介绍：AI进阶需要落地实战
- 02 | 内容综述：如何快速⾼效学习AI与TensorFlow 2
基础理论篇：TensorFlow 2设计思想
- 03 | TensorFlow 2新特性
- 04 | TensorFlow 2核心模块
- 05 | TensorFlow 2 vs TensorFlow 1.x
- 06 | TensorFlow 2落地应⽤
快速上手篇：动⼿训练模型和部署服务
- 07 | TensorFlow 2开发环境搭建
- 08 | TensorFlow 2数据导入与使⽤
- 09 | 使用tf.keras.datasets加载数据
- 10 | 使用tf.keras管理Sequential模型
- 11 | 使用tf.keras管理functional API
- 12 | Fashion MNIST数据集介绍
- 13 | 使用TensorFlow2训练分类网络
方案设计篇：如何设计可落地的AI解决方案
- 14 | 行业背景：AI新零售是什么?
- 15 | 用户需求：线下门店业绩如何提升？
- 16 | 长期⽬标：货架数字化与业务智能化
- 17 | 短期目标：自动化陈列审核和促销管理
- 18 | 方案设计：基于深度学习的检测/分类的AI流水线
- 19 | 方案交付：支持在线识别和API调用的AI SaaS
商品检测篇：使用RetinaNet瞄准你的货架商品
- 20 | 基础：目标检测问题定义与说明
- 21 | 基础：深度学习在目标检测中的应用
- 22 | 理论：R-CNN系列二阶段模型综述
- 23 | 理论：YOLO系列一阶段模型概述
- 24 | 应用：RetinaNet 与 Facol Loss 带来了什么
- 25 | 应用：检测数据标注方法与流程
- 26 | 应用：划分检测训练集与测试集
- 27 | 应用：生成 CSV 格式数据集与标注
- 28 | 应用：使用TensorFlow 2训练RetinaNet
- 29 | 应用：使用RetinaNet检测货架商品
- 30 | 扩展：目标检测常用数据集综述
- 31 | 扩展：目标检测更多应用场景介绍
商品识别篇：使⽤ResNet识别你的货架商品
- 32 | 基础：图像分类问题定义与说明
- 33 | 基础：越来越深的图像分类网络
- 34 | 应⽤：检测SKU抠图与分类标注流程
- 35 | 应⽤：分类训练集与验证集划分
- 36 | 应⽤：使⽤TensorFlow 2训练ResNet
- 37 | 应用：使用ResNet识别货架商品
- 38 | 扩展：图像分类常用数据集综述
- 39 | 扩展：图像分类更多应⽤场景介绍
业务落地篇：实现货架洞察Web应用
- 40 | 串联AI流程理论：商品检测与商品识别
- 41 | 串联AI流程实战：商品检测与商品识别
- 42 | 展现AI效果理论：使用OpenCV可视化识别结果
- 43 | 展现AI效果实战：使用OpenCV可视化识别结果
- 44 | 搭建AI SaaS理论：Web框架选型
- 45 | 搭建AI SaaS理论：数据库ORM选型
- 46 | 搭建AI SaaS理论：10分钟快速开发AI SaaS
- 47 | 搭建AI SaaS实战：10 分钟快速开发AI SaaS
- 48 | 交付AI SaaS：10分钟快速掌握容器部署
- 49 | 交付AI SaaS：部署和测试AI SaaS
TensorFlow 2进阶使⽤
- 50 | 使⽤TensorFlow 2实现图像数据增强
- 51 | 使⽤TensorFlow 2实现分布式训练
- 52 | 使⽤TensorFlow Hub迁移学习
- 53 | 使⽤@tf.function提升性能
- 54 | 使⽤TensorFlow Serving部署云端服务
- 55 | 使⽤TensorFlow Lite实现边缘智能
- 56 | 结束语
作者介绍
彭靖田，Google Developers Expert，加州大学圣迭戈分校访问学者，在美国期间从事深度学习与生物医疗技术的结合研究。毕业于浙江大学竺可桢学院，获计算机科学学士学位。
开源项目 Kubeflow 维护者，TensorFlow 贡献者，曾一度成为TensorFlow社区全球前40的贡献者。国内第一本深度剖析 Google AI 框架的畅销书《深入理解TensorFlow》作者。
华为公司2012实验室深度学习创始团队成员，联合主导了华为深度学习平台和华为深度学习云服务的设计与研发工作。2017年作为技术合伙人加入才云科技，负责AI Cloud，并为能源、运营商等多个行业提供定制化人工智能平台方案。
作者其他课程
推荐
