JavaScript玩转机器学习-Tensorflow.js项目实战课程介绍(A000508)：
专为前端工程师准备的AI课程来了！课程以Tensorflow.js作为主要框架，通过十几个经典案例、覆盖神经网络和0 u N机器学习的理论知识、带你亲手完成图片分类与语音识别等落地项目，帮你理清整个学习体系。
课程目录：
- 第1章 课程导学1 节 | 23分钟
- 这一章只有一节，也只有一个目的，就是告诉你为何要学本课程，本课程能教你什么，学之前需要哪些前置知识。
-
- 视频：1-1 《想要入门AI的同学都应该看一看》课程导学 (22:30)
- 第2章 机器学习与神经网络简介6 节 | 42分钟
- 本章会使用中世纪男子脚长、SIRI 语音识别、相亲等大量生动形象的例子，讲解机器学习和神经网络的理论知识。a – _ e + g .
-
- 视频：2-1 机器学习简介 (16:3S 4 8 U y M6)
- 作业：2-2 聊聊机器学习
- 视频：2-3 神经网络简c m [ \ Z w } 6介 (12:06)
- 作业：2-4 聊聊神经网络
- 视频：2-5 神p C p H ~ C 4 . v经网络的训练 (12:35)
- 作业：2-6 聊聊炼G h h 8 :丹
- 第3章 Tensorflow.js 简介4 节 | 51分8 j V ) ^ E { 7 w钟
- Tensorflow.js 是本课程的核心框架，本章帮你在实战前熟悉一下手里的“兵器”，将会涉及 Tensorflow.js 的简介、安装方法，以及什么是 Tensor？为何要使用 Tensor 等知识点
-
- 视频：3-1 Te0 g I : mnsorflow.js 简介 (11:42)
- 视频：3-2 安装 Tensoflo4 V b } u U .w.js (M * H * 7 0 Y h15:48)4 _ +
- 视频：x a T &3-3 为何要用 T9 1 – B G Q Iensor (22:56)
- 作业：3-4 聊聊 Tensor
- 第4章 线性回归8 节 | 79分钟
- 本章将会带你开发并训练你人生中第一个神经网络模型，虽然它只有一个神经元，但却是你机器学习之路的起点！
-
- 视频：4-1 线性回归任务简介 (06:4B / F w h P ? @1)
- 视频：4-2 准备、可视化训练数据 (10:14)
- 视频：4-3 定义模型结构：单层单个神经T u } 0 e 6 d y x元组成的神经网络 (11:49)
- 视频：4-4 损失函数：均方误差 (11:17)
- 作业：4-5 聊聊均方误差
- 视频：4-6 优化器：随机梯度下降 (17:25)
- 视频：4-7 训练模K [ w型并可视化训练过程 (14:35)
- 视频：4-8 进行预测 (06t E , z:29)
- 第5章 归一化3 节 | 24分钟
- 九九归一……，等等，我E + 5们不是在打算盘，而是在炼丹（训练模型）！本章将会以身高体重预测作为例子，讲解归一化这个炼丹最佳实践。
-
- 视频：5-1 归一化任务简介 (05_ ; w \ X e 4:43)
- 视频：5-2 归一化训练数据 (11:51)
- 视频：5-3 训练、预测、反归一化 (05:27)
- 第6章 逻辑回归7 节 | 75分钟
- 这次l h o k B U P U U任务就是开发一个神经网络把平面上的两类点，一刀两断！
-
- 视频：6-1 逻辑` * 9 ? & _ t回归任务简介 (07:17)
- 视频：6-2 加载二分类数据 (07:13)
- 视频：6-3 定义模型结` 2 3构：带有激活函数的单个神经元 (13:47)
- 视频：6i – / t 4 L L ^-4 损失函数：对数损失（log loss） (09:45)
- 视频：6-5 训练模_ p = \ 5 I U 4 I型并可视化训练过程 (06:16)
- 视频：6-6 进行预测 (07:29)
- 视频：6-7 （选修）二分类数据集生成函数源码剖析 (22:59)
- 第7章 多层神经网络4 节 | 35分钟
- 生活中没有那么多一刀两断的简单问题，面对复杂问题，我们可以m I E s U B ?开发一个多层神G y C !经网络模型配合激活函数，拐着弯挥舞手里的“刀”来切！
-
- 视频：7-1/ – ~ P 6 / 多层神经网络任务简介 (15:06)
- 视频：7-2 加载 XOR 数据集 (04:30)
- 视频：7-3 定义模型结构：多层神经网络 (07:47)
- 视频D j I / T ( I .：7-4 训练模型并预测 (07:20)
- 第8章 多分类7 节 | 77r F 1 m分钟
- 本章将会以鸢尾花分类为例，学习使用 softmax 和 交叉熵 两个算法来让神经网络进行多分类
-
- 视频：8-1 任务简介、主要步骤、前置条件 (08:14)
- 视频：8-2 加载iris数据集（训练集与验k y D G ? * _证集） (09:42)
- 视频：8-3 定义模型结构：带有softmax的多层神经网络 (07:19)
- 视频：8-4 训练模型：交叉熵损失函数与准确度度量 (10:57)] z 8 ` P
- 视频：8-D ^ U ; t5 多分类预测方法 (08:06)
- 视频：8-6 （选修）IRIS数据集生成函数源码剖析 (15:26)
- 视频：8-7 （选修）IRIS 数据集生成函数源码剖析 (16:312 q N K)
- 第9章 欠拟合与过拟合5 节 | 57分钟
- 又到了学习炼丹最佳实践的时间了！学完本次任务，你随便瞄H % ; g 5 ^一眼训练图像，就能判断是欠拟合还是过拟合了。
-
- 视频：9-1 欠拟合与过拟合任务简介 (11:28)
- 视频：9-2 加载带有噪音的二分类数据\ e ,集 (14:42)
- 视频：9-3 使用简单神经网络演示欠拟合 (10:48)
- 视频：9-4 使用复杂神经网络演示过拟合 (06:23)
- 视频：9-5 过拟合应对法：早停$ B 2法、权重衰减、丢弃法 (12:53)
- 第10章 使用卷积神j s 2 ? + @经网络（CNN）识别手写数字A b 5 G ^ – N ; y5 节 | 103分钟
- 本章会先使用大量动画讲解卷积神经网络的理论，然后使用 JS 来构建并训练它！开始构建人生第一个^ ! w \ {深度学习模型吧！
-
- 视频：10-1 使用卷积* a u k V b W神经网络识别手写数字任务简介 (06:05)
- 视频：10-2 加载 MNIST 数据集 (31:53)
- 视频：10-3 定} u O t c b义模型结构：卷积神经网络 (31:37)
- 视频：10-4 训练模型 (11:52)
- 视频# V w ( q * ` A A：10-5 进行预测 (21:11)
- 第11章 使用预训练模型进行图片分类3 节 | 36分钟
- 把别人训练好的卷积神经网络模型直接拿来用！拿来主, ] ]义者也需要学习哦！
-
- 视频：11-1 使用预训练模型进行图片分类任务简C K ) 2介 (05:23)
- 视频：11-2 加载 MobileNet 模型 (09:05)
- 视频：11-3 进行预测 (20:34)
- 第12章 基于迁移学习的图像分类器：商标识别6 节 | 67分钟
- 本章将会以商标识别为例，Y M 8 ` 9 2 l F $讲解如何使用迁移学习来更高效地进行图片分类了，学完本章，你可以照猫画虎开发你画我猜、花草分类、垃圾分类2 M w、绘文字猎手等各种游戏和应用了！
-
- 视频：12-/ ^ 1 K X & h1 基于迁移学习的图像分类器：商标识V 9 $ y Z 9 p F别任务简介 (06:18)
- 视) m 1 s h频：12-2 加载商标训练数据并可视化 (16:41)
- 视频：12-3 定义模型结构：截断模型+双层神经网络 (12:21)
- 视频：12-4 迁移学习下的模型训练 (13:09)
- 视频：12-5 迁移学习下的模型预测 (07:12)
- 视频：12-6 模型的保存和加载 (10:57)
- 第13章 使用预训练模型进行语音识别3 节 | 33分钟
- 在浏览器里进行语音识别。
-
- 视频：13-1 使用预训练模型进行语音识别任务简介 (04:41)
- 视频：X / ] } . S z @13-2 加载预训练语音识别模型 (14:23)
- 视频：P o P w & 5 N M t13-3 进行语音识别 (13:46)
- 第14章 基于迁移学习的语音识别器：声控轮播图5 节 | 96分钟
- 本章将会带你开发一个可以b B , ( Q 4 | d远程声控的轮播图，学完本章，你可以开发自己的简易版 SIRI 语音助手了！
-
- 视频：14-1 基于迁移学习的语音识别器：声控轮播图 (05:57% 7 4 p r &)
- 视频：14-2 在浏览器中收集中文语音训练数据 (23:15)
- 视频：14-3 语音识别迁移学习的训练和预测 (18:04)
- 视S q M L m r z频：14-4 语音训练数据的保存和加载 (25:32)
- 视频：14-, % 4 @ \ y r5 声控轮G y y p m播图 (22:s F { Q52)
- 第15章 Python 与 JavaScript 模型互转4 节 | 73分钟
- 本章学的都是工作中最实用常用的技术：把 Python 模P g X ~ i H型转为 JS 模型，就可以部署到浏览器里了。对 JS 模型进行分片、压缩、加速等各种优化转换也是必不可少的工作哦！
-
- 视频：15-1 Python 与 J{ p ` P ) ( qavaScript 模型互转任务简介 (14:56| : o ] N B)
- 视频2 U , t p % %：15-2 安装 Tensorflow.js Converter (23:18)
- 视频：15-3 Python 与 JavaScript 模型互转 (19:38)
- 视频：15-4@ K B G ) / JavaScript 模型的互转：分片、量化、加速 (14K K ( Z:36)
- 第16章 课程总结@ ! [ ; w1 节 | 12分钟
- 对课程整体进行回顾。
-
- 视频：16-1 -回顾与总结 (11:57)
文件目录：
| JSrp玩转机器学习-ensrfls项目实战 |
| │ ├─料 |
| │ │ s-l-de-ser-4.zx s 7 2 Uip |
| │ │ |
| │ ├─新建文件夹 |
| │ ├─第4章基于迁移学习的语音识别器声控轮播图 |
| │ │ 4-4语音训练数据的保存和加载.mp: S @ S4 |
| │ │ 4-基于迁移学习的语音识别器声o ~ s ?控轮播图.mp4 |
| │ │ 4-声控轮播图.mp4 |
| │ │ 4-浏览器中收集中文语音训练数r e @据.mp4 |
| │ │ 4-语音识别迁移学习的训练和预测.mp4 |
| │ │ |
| │ ├─第4章线性回归 |
| │ │ 4-4损失函数均方误差.mp4 |
| │ │ 4-准备、可视化训练数据.mp4 |
| │ │ 4-化器随机梯度下降.mp4 |
| │ │ 4-定义模型结构单层单V 9 # \ V } N [ Z个神经元组成的神经络.mp4 |
| │ │ 4-线性回Z 0 4归任务简介.mp4 |
| │ │ 4-训练模型并可视化训练过.mp4 |
| │ │k V N P e X _ D 4-进行预测.mp4 |
| │ │ |
| │ ├─第章ensrfls简介 |
| │ │ -ensrfls简介.mp4U Y ] u |
| │ │ -为何要用ensr.mp4 |
| │ │ -安装ensfl{ Q d s f a js.mM D & ; C A b &p4 |
| │ │ |
| │ ├─第章Pyhn与JSrp模型互转 |
| │ │ -4JSrp模型的互转分片、化、加速.mp4 |
| │ │ -Pyhn与JSrc H e . W C , Up模型互转.mp4 |
| │ │ -Pyhn与JSrp模型互转任务简介.mp4 |
| │ │ -安装ensrflsCnerer.mp4 |
| │ │ |
| │ ├─第章使用卷积神经络（CNN）识别手写数字 |
| │ │ -4训练模型.mp4 |
| │ │ -使用卷积神经络识别手写数字任务简介.mp4 |
| │ │ –4 V i ) 7 Z o s加载MNS数据集.mp4 |
| │ │ -定义模型结构M K o S l x卷积神经络.mp4 |
| │ │ -进行预测.mb G [ 5 ) 5 ap4 |
| │ │ |
| │ ├─第章使用预训练模型进行图片分类 |
| │ │ -使用预训练模型进行图片分类任务e 0 d z简介.mp4 |
| │ │ -加载MbleNe模型.mp4 |
| │ │ -进行预测.mp4 |
| │ │ |
| │ ├W U b R─第章使用预训练模型进行语音识别 |
| │ │ -使用预训练模型进行语音识别任务简介.mp4 |
| │ │ -加载预训练语音识别模型.mp4 |
| │ │ -进行语音识别.mp4 |
| │ │ |
| │ ├} . Q─第章分类 |
| │ │ -4训练模型交叉熵损失函数与准确; o i i G ] `度度.mp4 |
| │ │k m O 3 -任务简介、主要步骤、前置条件.mp4 |
| │ │/ & x 0 = / ~ ) -分Q g | # F Y类预测方法.mp4 |
| │ │ -加载rs数据集（训练集与验证集）.mp4 |
| │ │ -定义模型结构带有s? Y dfx的层神经络.mp4 |
| │ │ -（选修）M d ] X u PRS数据集生成函数码剖析.mp4 |
| │ │ 8- （选修）RS数据U s R O h $ W q集生成函数码剖析.mp4 |
| │ │; \ K b Q d W B p |
| │ ├─第章基于迁移学习的图K c ; a l像分类器商标识别 |
| │ │ -4迁移学习下的6 % V r 2 c c n m模型训练.mp4 |
| │ │ -加载商标训练数据并可视化.mp4 |
| │ │ -基于C | g迁移学习的图像分类器商标识别任务简介.mp4 |
| │ │ -定义模型结构截断模型+双层神经络.mp4 |
| │ │ -迁移学习下的模型预测.mp4 |
| │ │ |
| │ ├─第章导学 |
| │ │ -《想要入门A的同学都应该看一看》导学.mp4 |
| │ │ |
| │ ├─第章层神经络 |
| │ │ -4训练模型并预测.mp4 |
| │ │ -加载XOR数据集.m+ p y Xp4 |
| │ │ -定义模型结构层神经络.mp4 |
| │ │ -层神经络任务简介.mp4 |
| │ │ |
| │ ├─第章归一化 |
| │ │ -归一化任务简介.mp4 |
| │ │ -归一化训练数据.5 # 6mp4 |
| │ │ -训练、预测、反归一化.mp4 |
| │ │ |
| │ ├─第章总结& i | |
| │ │ –回顾与总结.F / + & 3mp4 |
| │ │ |
| │ ├─第章机器学习与神经络简介 |
| │ │ -机器学习简介.mp4 |
| │ │ -神经络的训练.mp4 |
| │ │ -神经络简介.mp4 |
| │ │– 6 . m d f 6 |
| │ ├─第章欠拟合与过拟合 |
| │ │ -4使用复杂神经络演示过拟合9 i # q R.mp4 |
| │ │ -使用简单神经络演示欠拟合.mp4 |
| │ │ -加载带有噪音的二分类数据集.mp4 |
| │ │ -欠拟合与过拟合任务简介.mp4 |
| │ │ -过拟合应对法早停法、权重衰减、丢弃法.mp4 |
| │ │ |
| │ └─第章逻辑回归 |
| │ -4损失函数对数损失（lglss）.mp4 |
| │ -加载二分类数据.mp4 |
| │ -定义模型结构带有激活函数的单个神经e Z I R a元.mp4 |
| │ -训练模型并可视化训练过.mp4 |
| │ -进行预测.mp4 |
| │ -逻辑回归任务简介.mp4 |
| │ -（选修）二分类数据集生成函B S _ c G } n数码剖析.mp4 |
-
朋友圈不定时发福利（开通会员免费获取资源）
-
微信号
5702701
点击我自动复制
付费资源
© 版权声明
本站所有资源均来自互联网收集, 本站大数据爬虫负责收集不承担任何版权问题。所有资源均不出售，只免费分享给本站等级用户！如有内容侵犯到任何版权问题, 请发送版权相关证明与本站客服,一经核实将及时予与删除并致以最深的歉意。
THE END
会员专属
会员专属
暂无评论内容