参与杜伟 一鸣

吴恩达deeplearning.ai新课上线:TensorFlow移动和web端机器学习

Coursera 又有 TensorFlow 专项课程了,这回的主要内容放在了 TensorFlow.js、TensorFlow Lite 等 web 或移动端的使用。

大家都很熟悉吴恩达了。他开设的 Coursera 机器学习课程可以说是很多初学者的「白月光」。近日,他创始的 deeplearning.ai 在 Coursera 上另外开设了一门课程,主要介绍使用 Tensorflow.js、TensorFlow Lite、TensorFlow Hub 等工具进行数据分析的方法。该专项课程已于今日开放注册。吴恩达对课程进行了转推。

课程地址:https://www.coursera.org/specializations/tensorflow-data-and-deployment


这项课程分为四个专项课程,目前已更新了前两个。


直奔主题,新课程关注数据分析应用

TensorFlow 是深度学习中最著名的框架之一,绝大多数人都已经掌握了基本的使用方法。如果要更上一层楼,选择本课程无疑是一个好方法。据介绍,这门课程可以帮助学习者了解很多应用场景,并发现训练模型中的高效方法。


该专项课程总共分为四个部分,主旨在于帮助学习者了解如何让机器学习模型从实验阶段走向实际应用。首先,你可以了解到在浏览器和移动设备中训练模型。同时,你可以学习如何仅用几行代码使用内置数据集、完成数据分割和处理各种非结构化数据的工作。最后,你还能了解很多应用场景,并了解 TensorFlow Serving、TensorFlow Hub、TensorBoard 等。

讲师


整个专项课程的授课由谷歌大脑(Google Brain)的 Laurence Moroney 来完成的。


Laurence Moroney 是谷歌的 AI Advocate,致力于使用 TensorFlow 来开发并构建人工智能相关的应用。他曾发表了很多编程书籍,现在在视频培训领域与 deeplearning.ai 和 Coursera 展开合作。

目前,这项课程分为四个专项课程,其中第一、二专项已放出了具体的教学大纲和内容,第三、四专项课程预计很快机会更新了。


具体的课程大纲如下:


专项课程一:Browser-based Models with TensorFlow.js


这一课程讲授如何利用 TensorFlow.js 在任何浏览器中训练和运行机器学习模型。你会学习在浏览器中处理数据的方法,并最终创建一个从摄像头中进行目标识别和分类的计算机视觉项目。

这门课分为四周,每周计划如下:


了解 TensorFlow.js


在第一周课中,你可以学习如何在浏览器中训练模型,并进行推断。这其中也包括在像 Node.js 后端中使用;


浏览器中的图像识别


第二周关注计算机视觉问题,包括使用 JavaScript 进行图像分类训练。课程结束时,你能够学会搭建一个网站,并进行手写体识别;


Json 格式的模型


第三周的课程会关注使用 TensorFlow(Python 版)搭建模型,然后将其转换为 Json 格式,让浏览器使用。要学习的模型包括有害内容分类——使用 NLP 文本分类模型过滤有害文本,以及使用 Mobilenet 来检测图像;


预训练模型的迁移学习


这门课的最后一周,你可以学到在浏览器汇总建立机器学习应用,并使用迁移学习。这其中包括使用 TensorFlow.js 构建网站,使用网络摄像头获取数据、使用预训练的 mobilenet 检测石头剪刀布的手势。
 
专项课程二:Device-based Models with TensorFlow Lite


在这一课程中,你可以学到在移动应用中运行深度学习模型,包括在低功耗设备上准备模型,在安卓或 iOS 端运行模型等。最后你可以探索如何在嵌入式设备中使用 TensorFlow,如树莓派和微控制器等。

这门课也分为四周完成,每周的学习计划如下:


了解 TensorFlow Lite


第一周主要是介绍 TensorFlow Lite、它的工作方式以及主要的学习目标,例如如何将模型从 TensorFlow 转换到 TensorFlow Lite 格式、了解用来测试这些模型的 TensorFlow Lite 解释器等;


在安卓 APP 上运行 TensorFlow 模型


第二周的主题是在安卓 APP 上运行 TensorFlow 模型。使用 TensorFlow Lite 可以在安卓端运行模型,进而能够将机器学习(ML)带到这些设备类型中;


在 IOS 端创建 TensorFlow 模型


第三周讲授在 IOS 端创建和运行 TensorFlow 模型。学习者需要掌握一些有关 IOS 端 Swift 的编程知识,即使不具备相关编程知识,你也可以学习创建各种 ML 应用并在 IOS 端运行;


设备上的 TensorFlow Lite


最后一周的主题是如何在树莓派等嵌入式系统上运行 TensorFlow 模型。


总之,通过此专项课程的学习,你将可以学习到 TensorFlow、高级部署、目标检测等专项技能,相信也将有助于你更快、更准确地开发和部署跨任何设备或平台的机器学习模型。
入门
4
相关数据
TensorBoard技术

一个信息中心,用于显示在执行一个或多个 TensorFlow 程序期间保存的摘要信息。

文本分类技术

该技术可被用于理解、组织和分类结构化或非结构化文本文档。文本挖掘所使用的模型有词袋(BOW)模型、语言模型(ngram)和主题模型。隐马尔可夫模型通常用于词性标注(POS)。其涵盖的主要任务有句法分析、情绪分析和垃圾信息检测。

嵌入式系统技术

嵌入式系统,是一种嵌入机械或电气系统内部、具有专一功能和实时计算性能的计算机系统。嵌入式系统常被用于高效控制许多常见设备,被嵌入的系统通常是包含数字硬件和机械部件的完整设备,例如汽车的防锁死刹车系统。

图像分类技术

图像分类,根据各自在图像信息中所反映的不同特征,把不同类别的目标区分开来的图像处理方法。它利用计算机对图像进行定量分析,把图像或图像中的每个像元或区域划归为若干个类别中的某一种,以代替人的视觉判读。

推荐文章
暂无评论
暂无评论~