跳到主要內容

TensorFlow 2 入門


BurgeoningCourse
只能經由邀請註冊這課程

此為「Python 機器學習與深度學習實作」課程之免費體驗課程,若想更深入學習,歡迎選修「Python 機器學習與深度學習實作」課程。

課程基本資訊

中階課程

影片時數:共約 3 小時

授課語言/字幕:皆為繁體中文

費用:免費領取方式

此為免費自學課程,老師不一定會在課程討論區回答問題。

課程簡介

TensorFlow 是由 Google 推出的開源深度學習框架,從開發到部署成產品的功能完整,推出至今已累積廣大使用者,目前也是業界最主要使用深度學習框架。TensorFlow 自推出 2.0 版之後,語法變得更為易寫,同時納入相當熱門、語法更為高階易寫的 Keras,讓開發深度學習應用變得更為容易。

在這門課程中,您可以學到:

  • 建立深度學習 GPU 開發環境。
  • 深度學習基礎知識。
  • TensorFlow 2 基礎資料型態及運算。
  • 如何使用 Tensorboard。
  • 如何視覺化模型。
  • 建立第一個 TensorFlow 2 線性迴歸預測模型。

#您可以獲得的技能

#TensorFlow 2 #Keras #Tensorboard #Google Colaboratory #CUDA環境設置 #線性迴歸 #神經網路 #激勵函數(Activation Function) #反向傳播法(Backpropagation) #損失函數(Loss Function) #最佳化方法(Optimization)

先備知識

需基礎微積分知識以理解課程中的數學推導。

課程大綱

課程中附範例程式,供大家參考練習。

主題

內容

建立 GPU 深度學習開發環境

  • 安裝 Anaconda
  • 建立 Anaconda 虛擬環境
  • 安裝 TensorFlow 2(內建 Keras)
  • 建立 GPU 加速運算環境:安裝及設定 CUDA、cuDNN
  • Google Colaboratory 介紹與操作示範(附免費 GPU)

深度學習基礎知識

  • 線性迴歸與梯度下降(Gradient Descent)
  • 感知器(Perceptron)、神經元(Neuron)
  • 神經網路(Neural Network)
  • 激勵函數(Activation Function):Sigmoid、ReLU 等
  • 多類別分類方法:Softmax
  • 反向傳播法(Backpropagation)
  • 損失函數(Loss Function):MSE、Cross Entropy 等
  • 模型權重最佳化(Optimization)方法:SGD、AdaGrad、RMSProp、Adam 等

TensorFlow 2 入門

  • TensorFlow 2 資料型態與基本運算
  • 神經網路模型視覺化
  • 建模視覺化工具:TensorBoard
  • 建立第一個 TensorFlow 2 線性迴歸預測模型

課程中會實作的範例

▸ 以 TensorFlow 2 搭建並視覺化模型

▸ 線性迴歸模型訓練結果

▸ 啟用 Tensorboard


課程示範環境

  • Python 3.5
  • TensorFlow 2.0

授課教師

徐浩軒

「補根課程」(Burgeoning Course)共同創辦人

「Python 資料科學與人工智慧」FB粉絲專頁 共同創辦人

清華大學 資訊系統與應用研究所 博士

清華大學 資訊工程學系 學士


目前已開設「Python 資料科學實作」、「Python 機器學習與深度學習實作」、「Python 金融數據分析與預測實作」、「Python 自然語言處理實作」、「Python 資料視覺化入門:讓圖說出好故事」等課程,累積學生超過兩千位。

期刊著作
  • H. H. Hsu and N. F. Huang, "Xiao-Shih: A Self-Enriched Question Answering Bot With Machine Learning on Chinese-Based MOOCs," in IEEE Transactions on Learning Technologies, vol. 15, no. 2, pp. 223-237, 1 April 2022, doi: 10.1109/TLT.2022.3162572.
翻譯著作
  • 《領域驅動設計學習手冊》(歐萊禮,2023)
  • 《打造機器學習應用|從構想邁向產品》(歐萊禮,2021)
專利
  • 孫宏民、徐浩軒、黃能富、韓傳祥「車禍嚴重度預測方法及裝置、電腦可讀取的記錄媒體」中華民國發明專利號 I801082。

若對本課程有任何問題,歡迎來信詢問:[email protected]