人工智慧實踐：Tensorflow筆記

課程性質

課程背景

深度學習是從20世紀40年代就已經存在的人工神經網路發展而來的，是機器學習的一個分支，它由多層人工神經元相互堆疊組成，用於識別輸入數據的複雜特徵並解決現實中的實際問題。TensorFlow是一個專注於深度學習的開源庫，使用計算數據流圖來表示複雜的神經網路結構。在此背景下，北京大學開設了人工智慧實踐：Tensorflow筆記這門課程，帶領快速掌握Tensorflow2的基本用法，入門人工智慧。

課程定位

人工智慧實踐：Tensorflow筆記課程是人工智慧的入門課，後續可繼續學習人工智慧、機器學習、深度學習等課程內容。

開課信息

開課次數	開課時間	學時安排	參與人數
第1次開課	2018年03月12日-2018年08月26日	1-2小時每周	79307人
第2次開課	2018年12月01日-2019年01月31日		38812人
第3次開課	2019年07月03日-2019年08月31日		36765人
第4次開課	2020年03月09日-2020年06月09日	2小時每周	23539人
第5次開課	2020年10月10日-2021年01月20日	2小時每周	8672人
（註：表格內容參考資料）

課程簡介

人工智慧實踐：Tensorflow筆記課程梳理出Tensorflow2搭建最佳化神經網路的八股，通過學習逐步完善代碼，實現圖像識別與股票預測。課程第一講是神經網路計算，介紹了張量生成、TF2常用函式等內容；第二講是神經網路最佳化，介紹了損失函式、緩解過擬合、最佳化器等內容；第三講是神經網路八股，介紹了搭建網路八股sequential、搭建網路八股class、MNIST數據集等內容；第四講是網路八股擴展，介紹了參數提取、給圖識物、acc&loss可視化等內容；第五講是卷積神經網路，介紹了卷積計算過程、經典卷及網路小結、AlexNet等內容；第六講是循環神經網路，介紹了循環計算過程、字母預測、Embedding編碼等內容。

課程大綱

第一講神經網路計算

1.7神經網路實現鳶尾花分類

1.5TF2常用函式2

1.6鳶尾花數據集讀入

1.8Tensorflow2安裝

1.4TF2常用函式1

1.2神經網路設計過程

1.1人工智慧三學派

TensorFlow筆記：第一講神經網路計算

第一講神經網路計算

1.3張量生成

PPT：第一講神經網路計算

第二講神經網路最佳化

TensorFlow筆記：第二講神經網路最佳化

2.4損失函式

2.5緩解過擬合

PPT：第二講神經網路最佳化

2.6最佳化器

2.1預備知識

2.3激活函式

第二講神經網路最佳化

2.2複雜度學習率

第三講神經網路八股

3.1搭建網路八股sequential

3.2搭建網路八股class

第三講神經網路八股

TensorFlow筆記：第三講神經網路八股

3.3MNIST數據集

3.4FASHION數據集

PPT：第三講神經網路八股

第四講網路八股擴展

4.5參數提取

4.7給圖識物

4.1搭建網路八股總覽

PPT：第四講網路八股擴展

4.6acc&loss可視化

4.4斷點續訓

TensorFlow筆記：第四講網路八股擴展

4.2自製數據集

第四講網路八股擴展

4.3數據增強

第五講卷積神經網路

5.1卷積計算過程

5.16經典卷及網路小結

5.12AlexNet

5.9CIFAR0數據集

PPT：第五講卷積神經網路

第五講卷積神經網路

5.14InceptionNet

5.10卷積神經網路搭建示例

5.13VGGNet

5.4TF描述卷積計算層

5.8卷積神經網路

5.2感受野

5.15ResNet

5.11LeNet

5.7捨棄

5.3全零填充

5.5批標準化

5.6池化

TensorFlow筆記：第五講卷積神經網路

第六講循環神經網路

6.7循環計算過程II

6.10字母預測Embedding_1pre1

6.9Embedding編碼

6.3循環計算層

TensorFlow筆記：第六講循環神經網路

6.4TF描述循環計算層

6.8字母預測onehot_4pre1

6.2循環核時間步展開

6.6字母預測onehot_1pre1

6.14GRU實現股票預測(GRU計算過程_TF描述GRU層)

6.1循環核

6.11字母預測Embedding_4pre1

6.13LSTM實現股票預測(LSTM計算過程_TF描述LSTM層)

第六講循環神經網路

PPT：第六講循環神經網路

6.5循環計算過程I

6.12RNN實現股票預測

（註：表格內容從左至右列出，參考資料）

課前預備

學習資料

書名	作者	ISBN	出版時間	出版社
《Tensorflow：實戰Google深度學習框架》	鄭澤宇、顧思宇	9787121309595	2017年	電子工業出版社
《深度學習》	Ian Goodfellow、Yoshua Bengio、Aaron Courville	9787115461476	2017年	人民郵電出版社
（註：表格內容參考資料）

授課目標

學會使用Python語言搭建人工神經網路，實現圖像分類。

所獲榮譽

2019年，人工智慧實踐：Tensorflow筆記課程被認定為國家精品線上開放課程；

2020年，人工智慧實踐：Tensorflow筆記課程被教育部認定為首批“國家級一流本科課程”（線上一流課程）。