就在剛剛！吳恩達的這門新課程終於開放註冊了

相信我的很多讀者都學習過吳恩達在 Coursera 上開設的《Machine Learning》和《Deep Learning Specialization》課程。這兩門課分別針對機器學習和深度學習，作為入門課程再合適不過了！

然而，就在 8 月 2 號，吳恩達又在 Coursera 上線了新的《TensorFlow in Practice》專項課程。顯然，這門專項課程更加註重實踐，而且使用現在最火熱的深度學習框架 TensorFlow。課程一出，一天不到的時間就有 8000 多人註冊了。

首先放上這門專項課程的主頁：

TensorFlow in Practice

課程內容

如果你是一個軟體開發人員，想要構建可擴充套件的人工智慧演算法，你需要了解如何使用這些工具來構建它們。這個專項課程將教您使用 TensorFlow 的最佳實踐，這是一個流行的開放原始碼機器學習框架。在這些課程中，您將得到：

學習如何在 TensorFlow 中構建機器學習模型
利用深神經網路和卷積神經網路建立影像識別演算法
瞭解如何在移動和網路上部署您的模型
超越影像識別，進入物件檢測、文字識別等領域
擴充套件用於自定義學習/培訓的基本API

可見，這門課專注於“實踐”！

其實，吳恩達的這門專項課程並不是剛剛開始註冊，之前紅色石頭就發文介紹過這門新課。不過，當時這門專項課程僅僅開設了兩門課程，並不完整。8 月 2 號，這門專項課程已經更新完整了，總共包含四門課。

1、《TensoFlow 和機器學習、深度學習的介紹》

在TensorFlow中構建計算機視覺的基本神經網路，以及如何使用卷積來改善神經網路。

2、《TenSorFlow 中的卷積神經網路》

使用資料擴增、dropout、遷移學習來改進計算機視覺模型。

3、《TenSorFlow 中的自然語言處理》

語言中的情感分析、單詞嵌入、LSTM、序列模型預測單詞等內容。

4、《序列、時間序列和預測》

時間序列的深度神經網路（DNN）、迴圈神經網路（RNN）、真實世界的時間序列資料。

其中，每個課程都將持續 4 周時間，每週需要 4~5 小時完成課程。

該專項課程的註冊地址：

https://www.coursera.org/specializations/tensorflow-in-practice

課程特色

該專項課程對學員的知識要求並不高，只需要具有基本的 Python 程式設計和高中數學基礎即可。可能讀者最關心的一點是，它到底教的是 TF 1.x 還是 2.0？其所有練習都是在 Colab 上完成的、程式碼在 TF 1.x 和 2.0 之間是通用的等。如下圖所示為課程練習題頁面，程式碼放在賊好用的 Colab 上都不需要本地計算力。