極客時間出品的《TensorFlow快速入門與實戰》由彭靖田所作，彭靖田是Google機器學習開發專家，《深入理解TensorFlow》作者。本專欄課程以四個機器學習實戰專案帶你快速上手TensorFlow。
TensorFlow快速入門與實戰課程背景
深度學習是近年來人工智慧領域最火的一項技術。在眾多的深度學習框架中，TensorFlow 憑藉其強勁的運算效能、高效的超大叢集並行能力、生產環境部署的穩定性、豐富的語言介面以及支援靈活的模型設計等特點，成為目前最流行的深度學習框架。
目前，阿里、騰訊、京東、小米、網易、滴滴等國內知名網際網路企業以及 Airbnb、Uber、Dropbox 等矽谷明星公司，都在生產環境中大規模地使用 TensorFlow。在谷歌內部，更有超過80%的軟體專案採用了TensorFlow。
掌握 TensorFlow 是從事人工智慧相關工作的必備技能之一。
而 TensorFlow 的初學者經常會遇到以下問題：
網上各種教程參差不齊，且各自基於不同的 TensorFlow 版本，完全照著做，難免會遇到各種奇怪的問題，有時候折騰半天都解決不了，越看越焦慮，還浪費時間。
TensorFlow 使用了大量的抽象概念來描述演算法模型及其計算過程，譬如張量、操作、佔位符、資料流圖、會話等。初學者往往難以理解，如果沒有詳細的指導和點撥，學習起來困難重重。
由於初學者對 TensorFlow 的模組和架構設計缺乏整體認知，就無法根據自身需求快速學習和應用，容易鬍子眉毛一把抓，皺著眉頭鑽研半天也抓不住重點。
因此，極客時間聯合谷歌機器學習開發專家彭靖田聯合推出《TensorFlow快速入門與實戰》這門課程，課程以 TensorFlow 1.12 版本為基礎，從 TensorFlow 的發展歷程、核心概念開始講起，並通過四個由淺到深的實戰專案練習（提供全部原始碼），幫你快速上手 TensorFlow，並能將所學知識應用到工作中，用AI為業務賦能。
作者簡介
彭靖田，谷歌機器學習開發專家，加州大學聖迭戈分校訪問學者，在美國期間從事深度學習與生物醫療技術的結合研究。畢業於浙江大學竺可楨學院，獲電腦科學學士學位。
開源專案 Kubeflow 維護者，TensorFlow 貢獻者，曾一度成為TensorFlow社群全球前40的貢獻者。國內第一本深度剖析 Google AI 框架的暢銷書《深入理解TensorFlow》作者。
華為公司2012實驗室深度學習創始團隊成員，聯合主導了華為深度學習平臺和華為深度學習雲服務的設計與研發工作。2017年作為技術合夥人加入才雲科技，負責AI Cloud，併為能源、運營商等多個行業提供定製化人工智慧平臺方案。目前在 LD Research（了得研究院）擔任 CEO 一職。
專欄詳細目錄
1）課程內容綜述
2）第一章內容概述
3）TensorFlow產生的歷史必然性
4）TensorFlow 與 Jeff Dean 的那些事
5）TensorFlow的應用場景
6）TensorFlow的落地應用
7）TensorFlow的發展現狀
8）第二章內容概述
9）搭建你的TensorFlow開發環境
10）Hello TensorFlow
11）在互動環境中使用TensorFlow
12）在容器中使用TensorFlow
13）第三章內容概述
14）TensorFlow模組與架構介紹
15）TensorFlow資料流圖介紹
16）張量（Tensor)是什麼（上）
17）張量（Tensor)是什麼（下）
18）變數（Variable)是什麼（上）
19）變數（Variable)是什麼（下）
20）操作（Operation)是什麼（上）
21）操作（Operation}是什麼（下）
22）會話（Session)是什麼
23）優化器（Optimizer）是什麼
24）第四章內容概述
25）房價預測模型的前置知識
26）房價預測模型介紹
27）房價預測模型之資料處理
28）房價預測模型之建立與訓練
29）TensorBoard視覺化工具介紹
30）使用TensorBoard視覺化資料流圖
31）實戰房價預測模型：資料分析與處理
32）實戰房價預測模型：建立與訓練
33）實戰房價預測模型：視覺化資料流圖
34）第五章內容概述
35）手寫體數字資料集MNIST介紹（上)
36）手寫體數字資料集MNIST介紹（下)
37）MNIST Softmax網路介紹（上）
38）MNIST Softmax網路介紹（下）
39）實戰MNISTSoftmax網路（上）
40）實戰MNIST Softmax網路（下）
41）MNIST CNN網路介紹
42）實戰MNIST CNN網路
43）第六章內容概述
44）準備模型幵發環境
45）生成驗證碼資料集
46）輸入與輸出資料處理
47）模型結構設計
48）模型損失函式設計
49）模型訓練過程分析
50）模型部署與效果演示
51）第七章內容概述
52）人臉識別問題概述
53）典型人臉相關資料集介紹
54）人臉檢測演算法介紹
55）人臉識別演算法介紹
56）人臉檢測工具介紹
57）解析FaceNet人臉識別模型
58）實戰FaceNet人臉識別模型
59）測試與視覺化分析
60）TensorFlow社群介紹
61）TensorFlow 生態-TFX
62）TensorFlow 生態-Kubeflow
63）如何參與TensorFlow社群幵源貢獻
64）MLGDE是TensorRow社群與開發者的橋樑
課程收穫
快速掌握 TensorFlow 核心概念和架構；
熟練進行模型結構設計、訓練及測試；
引數調優及損失函式設計的基本方法；
四個典型的 TensorFlow 應用場景實戰（提供全部原始碼）；
懂得如何更好地為 TensorFlow 社群做貢獻。
訂閱須知
本課程為視訊課程，共 66 講，定價129元。
專欄由極客時間出品，可在極客時間APP和小程式上學習。
掃我下方二維碼報名，我們可額外各得12元，報名後記得加我微信：dismissmewp，備註：返現。好返你12元哈哈。也可以通過下面連結報名：http://gk.link/a/102JU
我的公眾號：猿人學 Python 上會分享更多心得體會，敬請關注。
***版權申明:若沒有特殊說明，文章皆是猿人學 yuanrenxue.com 原創，沒有猿人學授權，請勿以任何形式轉載。***