网站资源均收集于公开网络,仅供学习和交流。版权归版权人所有,所标价格为资源收集整理费用,如喜欢作品请支持正版。
网盘链接:
1. 课程整体介绍
- 1-1 课程整体介绍及导学
2. 人工智能基础知识
- 2-1 什么是人工智能
- 2-2 人工智能前景
- 2-3 人工智能需要的基本数学知识
- 2-4 人工智能简史
- 2-5 AI、机器学习和深度学习的关联
- 2-6 什么是机器学习
- 2-7 面对AI,我们应有的态度
- 2-8 什么是过拟合
- 2-9 什么是深度学习
3. TensorFlow简介和开发环境搭建
- 3-1 什么是TensorFlow
- 3-2 TensorFlow和其他机器学习库的对比1
- 3-3 如何学习TensorFlow
- 3-4 TensorFlow前景
- 3-5 如何使用课程提供的虚拟机文件
- 3-6 安装VirtualBox
- 3-7 安装Ubuntu
- 3-8 配置Ubuntu系统
- 3-9 安装Python
- 3-10 安装TensorFlow(上)
- 3-11 安装TensorFLow(下)
- 3-12 安装Python类库
4. TensorFlow原理与进阶(代码实践)
- 4-1 从HelloWorld开始
- 4-2 TensorFlow的编程模式
- 4-3 TensorFlow的基础结构
- 4-4 图和会话
- 4-5 Python常用库Numpy的使用
- 4-6 什么是Tensor(上)
- 4-7 什么是Tensor(下)
- 4-8 图和会话原理及案例(上)
- 4-9 图和会话原理及案例(下)
- 4-10 可视化利器TensorBoard(上)
- 4-11 可视化利器TensorBoard(下)
- 4-12 酷炫模拟游乐园PlayGround
- 4-13 常用Python库Matplotlib
- 4-14 综合小练习:梯度下降解决线性回归(上)
- 4-15 综合小练习:梯度下降解决线性回归(中)
- 4-16 综合小练习:梯度下降解决线性回归(下)
- 4-17 激活函数(上)
- 4-18 激活函数(下)
- 4-19 动手实现CNN卷积神经网络(一)
- 4-20 动手实现CNN卷积神经网络(二)
- 4-21 动手实现CNN卷积神经网络(三)
- 4-22 动手实现CNN卷积神经网络(四)
- 4-23 动手实现CNN卷积神经网络(五)
- 4-24 动手实现RNN-LSTM循环神经网络(一):背景和知识点
- 4-25 动手实现RNN-LSTM循环神经网络(二):编写实用方法(上)
- 4-26 动手实现RNN-LSTM循环神经网络(三):编写实用方法(中)
- 4-27 动手实现RNN-LSTM循环神经网络(四):编写实用方法(下)1
- 4-28 动手实现RNN-LSTM循环神经网络(四):编写实用方法(下)2
- 4-29 动手实现RNN-LSTM循环神经网络(五):编写神经网络模型(上)
- 4-30 动手实现RNN-LSTM循环神经网络(六):编写神经网络模型(中)1
- 4-31 动手实现RNN-LSTM循环神经网络(六):编写神经网络模型(中)2
- 4-32 动手实现RNN-LSTM循环神经网络(七):编写神经网络模型(下)
- 4-33 动手实现RNN-LSTM循环神经网络(八):编写训练方法(上)
- 4-34 动手实现RNN-LSTM循环神经网络(九):编写训练方法(下)
- 4-35 动手实现RNN-LSTM循环神经网络(十):编写测试方法
- 4-36 动手实现RNN-LSTM循环神经网络(十一):实际训练和测试
5. 案例一 会作曲的人工智能
- 5-1 背景和知识点简介
- 5-2 音乐和数学的联系
- 5-3 什么是MIDI文件
- 5-4 配置开发环境
- 5-5 编写转换MIDI到MP3的方法
- 5-6 Python音乐库Music21的使用和测试方法
- 5-7 编写整个神经网络模型
- 5-8 编写从训练文件获取音符的方法
- 5-9 编写从预测数据来生成音乐的方法
- 5-10 编写训练神经网络的方法(一)
- 5-11 编写训练神经网络的方法(二)
- 5-12 编写训练神经网络的方法(三)
- 5-13 编写神经网络生成音乐的方法(一)
- 5-14 编写神经网络生成音乐的方法(二)
- 5-15 纯TensorFlow版的预告
6. 案例二 会Photoshop的人工智能
- 6-1 背景和知识点简介
- 6-2 配置开发环境
- 6-3 什么是GAN(生成对抗网络)
- 6-4 什么是DCGAN
- 6-5 编写DCGAN中的判别器模型(上)
- 6-6 编写DCGAN中的判别器模型(下)
- 6-7 编写DCGAN中的生成器模型
- 6-8 编写训练神经网络的方法(上)
- 6-9 编写训练神经网络的方法(下)
- 6-10 编写神经网络生成图片的方法
- 6-11 代码完成和测试模型
- 6-12 纯TensorFlow版的预告
7. 案例三 会开3D赛车的人工智能
- 7-1 背景和知识点简介
- 7-2 强化学习的经典实验环境
- 7-3 配置开发环境(1)
- 7-4 配置开发环境(2)
- 7-5 什么是强化学习
- 7-6 什么是Q Learning
- 7-7 Q-Learning 实现机器人走迷宫:创建环境
- 7-8 Q-Learning 实现机器人走迷宫:决策算法(1)
- 7-9 Q-Learning 实现机器人走迷宫:决策算法(2)
- 7-10 Q-Learning 实现机器人走迷宫:游戏主程序
- 7-11 Deep Q Learning 实现迷宫游戏:决策算法(1)
- 7-12 Deep Q Learning 实现迷宫游戏:决策算法(2)
- 7-13 Deep Q Learning 实现迷宫游戏:决策算法(3)
- 7-14 Deep Q Learning 实现迷宫游戏:决策算法(4)和主程序
- 7-15 Policy Gradient 实现 Gym 游戏
- 7-16 A3C 实现 3D 赛车游戏:成果演示
- 7-17 A3C实现3D赛车游戏:讲解A3C和编写环境
- 7-18 A3C实现3D赛车游戏:编写A3C算法和主程序
8. 知识点总结和课程延展
- 8-1 总结陈词和补充
- 8-2 如何学好英语
- 8-3 如何学好数学
- 8-4 如何学习一门技术及课程知识点总结
- 8-5 深入AI和TensorFlow
© 版权声明
网站资源均收集于公开网络,仅供学习和交流。版权归版权人所有,所标价格为资源收集整理费用,如喜欢作品请支持正版。
THE END
暂无评论内容