[408] JavaScript玩转机器学习-Tensorflow.js项目实战 - 结合理论基础与算法实现，用新版本Tensorflow.js一站式学习机器学习

网盘链接：

1. 课程导学

• 1-1 《想要入门AI的同学都应该看一看》课程导学

2. 机器学习与神经网络简介

• 2-1 机器学习简介
• 2-2 聊聊机器学习
• 2-3 神经网络简介
• 2-4 聊聊神经网络
• 2-5 神经网络的训练
• 2-6 聊聊炼丹

3. Tensorflow.js 简介

• 3-1 Tensorflow.js 简介
• 3-2 安装 Tensoflow.js
• 3-3 为何要用 Tensor
• 3-4 聊聊 Tensor

4. 线性回归

• 4-1 线性回归任务简介
• 4-2 准备、可视化训练数据
• 4-3 定义模型结构：单层单个神经元组成的神经网络
• 4-4 损失函数：均方误差
• 4-5 聊聊均方误差
• 4-6 优化器：随机梯度下降
• 4-7 训练模型并可视化训练过程
• 4-8 进行预测

5. 归一化

• 5-1 归一化任务简介
• 5-2 归一化训练数据
• 5-3 训练、预测、反归一化

6. 逻辑回归

• 6-1 逻辑回归任务简介
• 6-2 加载二分类数据
• 6-3 定义模型结构：带有激活函数的单个神经元
• 6-4 损失函数：对数损失（log loss）
• 6-5 训练模型并可视化训练过程
• 6-6 进行预测
• 6-7 （选修）二分类数据集生成函数源码剖析

7. 多层神经网络

• 7-1 多层神经网络任务简介
• 7-2 加载 XOR 数据集
• 7-3 定义模型结构：多层神经网络
• 7-4 训练模型并预测

8. 多分类

• 8-1 任务简介、主要步骤、前置条件
• 8-2 加载iris数据集（训练集与验证集）
• 8-3 定义模型结构：带有softmax的多层神经网络
• 8-4 训练模型：交叉熵损失函数与准确度度量
• 8-5 多分类预测方法
• 8-6 （选修）IRIS数据集生成函数源码剖析
• 8-7 （选修）IRIS 数据集生成函数源码剖析

9. 欠拟合与过拟合

• 9-1 欠拟合与过拟合任务简介
• 9-2 加载带有噪音的二分类数据集
• 9-3 使用简单神经网络演示欠拟合
• 9-4 使用复杂神经网络演示过拟合
• 9-5 过拟合应对法：早停法、权重衰减、丢弃法

10. 使用卷积神经网络（CNN）识别手写数字

• 10-1 使用卷积神经网络识别手写数字任务简介
• 10-2 加载 MNIST 数据集
• 10-3 定义模型结构：卷积神经网络
• 10-4 训练模型
• 10-5 进行预测

11. 使用预训练模型进行图片分类

• 11-1 使用预训练模型进行图片分类任务简介
• 11-2 加载 MobileNet 模型
• 11-3 进行预测

12. 基于迁移学习的图像分类器：商标识别

• 12-1 基于迁移学习的图像分类器：商标识别任务简介
• 12-2 加载商标训练数据并可视化
• 12-3 定义模型结构：截断模型+双层神经网络
• 12-4 迁移学习下的模型训练
• 12-5 迁移学习下的模型预测
• 12-6 模型的保存和加载

13. 使用预训练模型进行语音识别

• 13-1 使用预训练模型进行语音识别任务简介
• 13-2 加载预训练语音识别模型
• 13-3 进行语音识别

14. 基于迁移学习的语音识别器：声控轮播图

• 14-1 基于迁移学习的语音识别器：声控轮播图
• 14-2 在浏览器中收集中文语音训练数据
• 14-3 语音识别迁移学习的训练和预测
• 14-4 语音训练数据的保存和加载
• 14-5 声控轮播图

15. Python 与 JavaScript 模型互转

• 15-1 Python 与 JavaScript 模型互转任务简介
• 15-2 安装 Tensorflow.js Converter
• 15-3 Python 与 JavaScript 模型互转
• 15-4 JavaScript 模型的互转：分片、量化、加速

16. 课程总结

• 16-1 -回顾与总结