基于Python玩转人工智能最火框架 [MP4] (9.87G)
│ project
│ 课程代码和素材（包含训练好的参数文件）
│
├─第1章 课程整体介绍
│ 1-1 课程整体介绍及导学
│
├─第2章 人工智能基础知识
│ 2-1 什么是人工智能
│ 2-2 人工智能前景
│ 2-3 人工智能需要的基本数学知识
│ 2-4 人工智能简史
│ 2-5 AI、机器学习和深度学习的关联
│ 2-6 什么是机器学习
│ 2-7 面对AI，我们应有的态度
│ 2-8 什么是过拟合
│ 2-9 什么是深度学习
│
├─第3章 TensorFlow简介和开发环境搭建
│ 3-1 什么是TensorFlow
│ 3-2 TensorFlow和其他机器学习库的对比1
│ 3-3 如何学习TensorFlow
│ 3-4 TensorFlow前景
│ 3-5 如何使用课程提供的虚拟机文件
│ 3-6 安装VirtualBox
│ 3-7 安装Ubuntu
│ 3-8 配置Ubuntu系统
│ 3-9 安装Python
│ 3-10 安装TensorFlow（上）
│ 3-11 安装TensorFLow（下）
│ 3-12 安装Python类库
│
├─第4章 TensorFlow原理与进阶（代码实践）
│ 4-1 从HelloWorld开始
│ 4-2 TensorFlow的编程模式
│ 4-3 TensorFlow的基础结构
│ 4-4 图和会话
│ 4-5 Python常用库Numpy的使用
│ 4-6 什么是Tensor（上）
│ 4-7 什么是Tensor（下）
│ 4-8 图和会话原理及案例（上）
│ 4-9 图和会话原理及案例（下）
│ 4-10 可视化利器TensorBoard（上）
│ 4-11 可视化利器TensorBoard（下）
│ 4-12 酷炫模拟游乐园PlayGround
│ 4-13 常用Python库Matplotlib
│ 4-14 综合小练习：梯度下降解决线性回归（上）
│ 4-15 综合小练习：梯度下降解决线性回归（中）
│ 4-16 综合小练习：梯度下降解决线性回归（下）
│ 4-17 激活函数（上）
│ 4-18 激活函数（下）
│ 4-19 动手实现CNN卷积神经网络（一）
│ 4-20 动手实现CNN卷积神经网络（二）
│ 4-21 动手实现CNN卷积神经网络（三）
│ 4-22 动手实现CNN卷积神经网络（四）
│ 4-23 动手实现CNN卷积神经网络（五）
│ 4-24 动手实现RNN-LSTM循环神经网络（一）：背景和知识点
│ 4-25 动手实现RNN-LSTM循环神经网络（二）：编写实用方法(上)
│ 4-26 动手实现RNN-LSTM循环神经网络（三）：编写实用方法(中)
│ 4-27 动手实现RNN-LSTM循环神经网络（四）：编写实用方法(下)1
│ 4-28 动手实现RNN-LSTM循环神经网络（四）：编写实用方法(下)2
│ 4-29 动手实现RNN-LSTM循环神经网络（五）：编写神经网络模型(上)
│ 4-30 动手实现RNN-LSTM循环神经网络（六）：编写神经网络模型(中)1
│ 4-31 动手实现RNN-LSTM循环神经网络（六）：编写神经网络模型(中)2
│ 4-32 动手实现RNN-LSTM循环神经网络（七）：编写神经网络模型(下)
│ 4-33 动手实现RNN-LSTM循环神经网络（八）：编写训练方法(上)
│ 4-34 动手实现RNN-LSTM循环神经网络（九）：编写训练方法(下)
│ 4-35 动手实现RNN-LSTM循环神经网络（十）：编写测试方法
│ 4-36 动手实现RNN-LSTM循环神经网络（十一）：实际训练和测试
│
├─第5章 案例一 会作曲的人工智能
│ 5-1 背景和知识点简介
│ 5-2 音乐和数学的联系
│ 5-3 什么是MIDI文件
│ 5-4 配置开发环境
│ 5-5 编写转换MIDI到MP3的方法
│ 5-6 Python音乐库Music21的使用和测试方法
│ 5-7 编写整个神经网络模型
│ 5-8 编写从训练文件获取音符的方法
│ 5-9 编写从预测数据来生成音乐的方法
│ 5-10 编写训练神经网络的方法（一）
│ 5-11 编写训练神经网络的方法（二）
│ 5-12 编写训练神经网络的方法（三）
│ 5-13 编写神经网络生成音乐的方法（一）
│ 5-14 编写神经网络生成音乐的方法（二）
│ 5-15 纯TensorFlow版的预告
│
├─第6章 案例二 会Photoshop的人工智能
│ 6-1 背景和知识点简介
│ 6-2 配置开发环境
│ 6-3 什么是GAN(生成对抗网络)
│ 6-4 什么是DCGAN
│ 6-5 编写DCGAN中的判别器模型（上）
│ 6-6 编写DCGAN中的判别器模型（下）
│ 6-7 编写DCGAN中的生成器模型
│ 6-8 编写训练神经网络的方法（上）
│ 6-9 编写训练神经网络的方法（下）
│ 6-10 编写神经网络生成图片的方法
│ 6-11 代码完成和测试模型
│ 6-12 纯TensorFlow版的预告
│
├─第7章 案例三 会开3D赛车的人工智能
│ 7-1 背景和知识点简介
│ 7-2 强化学习的经典实验环境
│ 7-3 配置开发环境（1）
│ 7-4 配置开发环境（2）
│ 7-5 什么是强化学习
│ 7-6 什么是Q Learning
│ 7-7 Q-Learning 实现机器人走迷宫：创建环境
│ 7-8 Q-Learning 实现机器人走迷宫：决策算法（1）
│ 7-9 Q-Learning 实现机器人走迷宫：决策算法（2）
│ 7-10 Q-Learning 实现机器人走迷宫：游戏主程序
│ 7-11 Deep Q Learning 实现迷宫游戏：决策算法（1）
│ 7-12 Deep Q Learning 实现迷宫游戏：决策算法（2）
│ 7-13 Deep Q Learning 实现迷宫游戏：决策算法（3）
│ 7-14 Deep Q Learning 实现迷宫游戏：决策算法(4)和主程序
│ 7-15 Policy Gradient 实现 Gym 游戏
│ 7-16 A3C 实现 3D 赛车游戏：成果演示
│ 7-17 A3C实现3D赛车游戏：讲解A3C和编写环境
│ 7-18 A3C实现3D赛车游戏：编写A3C算法和主程序
│
└─第8章 知识点总结和课程延展
8-1 总结陈词和补充
8-2 如何学好英语
8-3 如何学好数学
8-4 如何学习一门技术及课程知识点总结
8-5 深入AI和TensorFlow
课程下载地址：
扫一扫，支付¥1.00元
正在加载二维码...
支付完成后，请等待10秒左右，请勿关闭此页