     JavaScript玩转机器学习 打造你人生中的第一个AI项目 【点击下载】 专为前端工程师准备的AI课程来了！！人工智能时代已经来临，而前端同学对于AI领域大都处于陌生状态，想学习又找不到靠谱的老师，也没有面向前端的人工智能学习资料。本课程以 JavaScript 作为实现语言，以Tensorflow.js作为主要框架，通过十几个经典案例、覆盖神经网络和机器学习的理论知识、带你亲手完成图片分类与语音识别等落地项目，帮你理清整个学习体系，轻松入门AI领域，不惧未来挑战。 适合人群 只要对机器学习领域感兴趣的 JavaScript 开发者都可以学习 技术储备要求 JavaScript基础、中学数学基础 另: 1：《JavaScript玩转机器学习 打造你人生中的第一个AI项目》来自某课网，原价348，由猿人部落整理发布！猿人部落承诺，本站所有课程百分百高清，完整，原画，包含所有的视频+素材+课件+源码，官方同步体验！2：本站所有课程格式MP4格式无密 可以通过网盘在线学习也可下载到本地，方便快捷！ 3： 所有课程全部支持试看任何章节，可通过点击右侧官方微信扫码添加要求试看！ 4：官方品质，信誉保证，本站包含某课网,某讯课堂,某易云,饥人谷,某度教育....等上万部课程正在陆续更新，感谢同学们的信任与支持，保证让同学们满意！ 5：所有课程都会包更新，只要官方更新本站延迟2-3天就会更新。 6：爱好学习，一直提升自己的小伙伴可以开通会员，享受全站免金币无限制畅快学习！ 7：点击下方链接进行试看，在线看默认流畅，调节成原画，最好直接下载到本地是超清！ 试看链接：https://pan.baidu.com/s/14XbEIcks8iD902EZqZfkgw 提取码：gwxz 如需咨询请点击 [qq]772441382[/qq] 章节目录： 第1章 课程导学 1-1 《想要入门AI的同学都应该看一看》课程导学 试看 第2章 机器学习与神经网络简介 本章会使用中世纪男子脚长、SIRI 语音识别、相亲等大量生动形象的例子，讲解机器学习和神经网络的理论知识。 2-1 机器学习简介 试看 2-2 神经网络简介 2-3 神经网络的训练 第3章 Tensorflow.js 简介 Tensorflow.js 是本课程的核心框架，本章帮你在实战前熟悉一下手里的“兵器”，将会涉及 Tensorflow.js 的简介、安装方法，以及什么是 Tensor？为何要使用 Tensor 等知识点 3-1 Tensorflow.js 简介 3-2 安装 Tensoflow.js 3-3 为何要用 Tensor 第4章 线性回归 本章将会带你开发并训练你人生中第一个神经网络模型，虽然它只有一个神经元，但却是你机器学习之路的起点！ 4-1 线性回归任务简介 4-2 准备、可视化训练数据 试看 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 优化器：随机梯度下降 4-6 训练模型并可视化训练过程 4-7 进行预测 第5章 归一化 九九归一……，等等，我们不是在打算盘，而是在炼丹（训练模型）！本章将会以身高体重预测作为例子，讲解归一化这个炼丹最佳实践。 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 第6章 逻辑回归 这次任务就是开发一个神经网络把平面上的两类点，一刀两断！ 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 第7章 多层神经网络 生活中没有那么多一刀两断的简单问题，面对复杂问题，我们可以开发一个多层神经网络模型配合激活函数，拐着弯挥舞手里的“刀”来切！ 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 第8章 多分类 本章将会以鸢尾花分类为例，学习使用 softmax 和 交叉熵 两个算法来让神经网络进行多分类 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 第9章 欠拟合与过拟合 又到了学习炼丹最佳实践的时间了！学完本次任务，你随便瞄一眼训练图像，就能判断是欠拟合还是过拟合了。 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 第10章 使用卷积神经网络（CNN）识别手写数字 本章会先使用大量动画讲解卷积神经网络的理论，然后使用 JS 来构建并训练它！开始构建人生第一个深度学习模型吧！ 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 第11章 使用预训练模型进行图片分类 把别人训练好的卷积神经网络模型直接拿来用！拿来主义者也需要学习哦！ 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 第12章 基于迁移学习的图像分类器：商标识别 本章将会以商标识别为例，讲解如何使用迁移学习来更高效地进行图片分类了，学完本章，你可以照猫画虎开发你画我猜、花草分类、垃圾分类、绘文字猎手等各种游戏和应用了！ 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 第13章 使用预训练模型进行语音识别 在浏览器里进行语音识别。 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 第14章 基于迁移学习的语音识别器：声控轮播图 本章将会带你开发一个可以远程声控的轮播图，学完本章，你可以开发自己的简易版 SIRI 语音助手了！ 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 第15章 Python 与 JavaScript 模型互转 本章学的都是工作中最实用常用的技术：把 Python 模型转为 JS 模型，就可以部署到浏览器里了。对 JS 模型进行分片、压缩、加速等各种优化转换也是必不可少的工作哦！ 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 第16章 课程总结 对课程整体进行回顾。 16-1 -回顾与总结 本课程已完结 |
|
猿人部落
( A20190523-0239 )
Powered by Discuz! X3.4 © 2001-2013 Comsenz Inc. GMT+8, 2024-11-23 05:51 , Processed in 0.072937 second(s), 31 queries .
