深度学习应用开发-TensorFlow实践教学大纲 .pdfVIP

深度学习应用开发-TensorFlow实践教学大纲

课程概述

不干涩地讲深层次理论和算法，也不是纯粹介绍TensorFlow的编程。而是

针对大多数潜在学员的特点（有基本的编程能力，对开发人工智能应用感兴趣，

学过一些基本概率统计和线性代数，但谈不上有深厚的数学功底和人工智能理论

基础），通过针对典型的人工智能应用场景，设计系列针对性案例来引导学习过

程。主要案例包括价格预测、手写数字识别、图像识别、文本情感分析（自然语

言处理，NLP）、图像自动生成等，在案例讲解过程中深入浅出地介绍相关理论，

并会从中讲解TensorBoard可视化、模型的断点续训等实用技巧。

本课程将主要内容根据学习阶段分为四部分：筑基篇、启航篇、进阶篇和扩

展篇。筑基篇包括人工智能简介、开发环境搭建和Python开发语言快速入门、

TensorFlow编程基础等三讲内容；启航篇从单个神经元的线性回归应用开始，直

到完成多层神经网络应用开发，共有四讲内容；进阶篇主要围绕深度网络，从卷

积神经网络CNN开始，历经循环神经网络RNN、生成对抗网络GAN等应用开发，

涵括迁移学习等内容；扩展篇则包括Keras框架、TensorFlow.js、TensorFlowLite

移动应用开发等高级话题。

授课目标

本课程将全面介绍基于TensorFlow深度学习框架的人工智能应用开发技术。

课程不仅会讲解机器学习的基础理论和主流的模型及算法（包括线性回归、神经

网络、卷积神经网络、循环神经网络、生成对抗网络等），而且会重点讲解如何

基于TensorFlow框架，针对不同的应用场景进行深度学习模型的选择、构建和

应用。让学习者能快速具备人工智能问题求解的基本思想和初步的人工智能应用

软件开发能力。

课程大纲

课程导学

开篇语

课程安排

第一讲人工智能导论

人工智能未来已来？

人工智能未来已来！

人工智能发展史跌宕起伏的60+年

第二讲深度学习简介及开发环境搭建

人工智能、机器学习与深度学习

深度神经网路与深度学习框架

Anaconda和TensorFlow开发环境搭建

第三讲（根据基础选修）工欲善其事必先利其器：简明Python基础

引言、输出语句Print、变量、数据类型和基本运算

字符串、列表、元组、集合、字典、格式化输出和类型转换

程序结构与控制语句

测试1：Python基础测试

作业1：Python小作业小说词频统计

第四讲磨刀不误砍柴工：TensorFlow编程基础

（新）TensorFlow2.0编程基础

TensorFlow的基础概念

TensorFlow的基本运算

TensorBoard可视化初步

测试2：Tensorflow编程基础单元测试

第五讲单变量线性回归：TesnsorFlow实战

（新）线性回归问题：TensorFlow2实践

监督式机器学习的基本术语

线性回归问题TensorFlow实战：初步

线性回归问题TensorFlow实战：进阶

作业2：通过生成人工数据集合，基于TensorFlow实现y=3.1234*x+2.98线性回

归

第六讲多元线性回归：波士顿房价预测问题TesnsorFlow实战

（新）波士顿房价预测问题：TensorFlow2实践

波士顿房价预测：数据与问题分析

机器学习中的线性代数基础（根据基础选修）

第一个版本的模型构建

后续版本的持续改进

作业3：波士顿房价预测线性回归实践

第七讲MNIST手写数字识别：分类应用入门

MNIST手写数字识别数据解读

分类模型构建与训练

作业4：MNIST手写数字识别问题的神经元模型实践

（新）MNIST手写数字识别：TensorFlow2.0实践

第八讲MNIST手写数字识别进阶：多层神经网络与应用

（新）MNIST手写数字识别进阶：TensorFlow2.0实现

单隐藏层神经网络构建与应用

多层神经网络建模与模型的保存还原

TensorBoard进阶与TensorFlow游乐场

作业5：MNIST手写数字识别问题的多层神经网络模型实践

第九讲泰坦尼克号旅客生存预测：Keras应用实践

泰坦尼克号旅客生存预测案例分析与数据处理

Keras建模与应用

Keras模型训练过程中数据存储与模型恢复

第十讲图像识别问题：卷积神经网络与应用

（新）CIFAR10图像分类:TensorFlow2实现

从全连接神经网络到卷积神经网络：解决参数太多的问