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：burgeoningcourse@gmail.com

BurgeoningCourse: TF001 TensorFlow 2 入門