使用TensorFlow进行深度学习简介

可以在此链接上找到完整的俄语课程。
此链接提供原始英语课程。



每2-3天安排一次新的讲座。

这些人是谁？

让我们了解更多有关为我们准备了本课程并将进行授课的人的信息。

三人：

• Google开发者倡导者 Magnus Hyttsten
• Udacity内容开发人员 Juan Delgado
• Paige Bailey ，谷歌开发倡导者

首先，谁是开发商的拥护者 ？ 从与哈伯的这篇文章来看，这些是传福音的人。 谁是传道人？

IT传播者是专业从事信息技术领域宣传工作的专家。

有趣

在学习机器学习时，我们遇到了许多新的和不同的术语，例如人工智能 ， 机器学习 ， 神经网络和深度学习等术语。 这些术语的真正含义是什么，它们如何相互联系？

下面我们将分析每个术语并显示它们之间的关系。

人工智能 ：计算机科学领域，旨在实现计算机中类人智能的发展。 有很多方法可以实现您的目标，包括机器学习和深度学习。

机器学习 ：一组相关的技术，其中训练计算机来执行特定任务，而不是直接为问题的解决方案编程。

神经网络 ：机器学习中的结构，受生物大脑中神经元（神经细胞）网络的启发。 神经网络是深度学习的基础部分，并将在本课程中进行研究（影响）。

深度学习 ：使用多层神经网络（由多层组成的神经网络）进行机器学习的一个子区域。 通常，术语“机器学习”和“深度学习”可以互换使用。

机器学习和深度学习还包括许多子领域，分支和独特技术。 最重要和最著名的例子之一是“ 有老师 学习 ”和“ 没有老师学习 ”的分离。

简而言之，在“与老师一起学习”中，您知道要教一台计算机，而“无老师学习”类似于让计算机确定可以学到的东西。 “ 与老师一起教课 ”是机器学习的最标准类型，我们将重点关注它。

我们需要什么工具？

Python-基本知识（循环，条件语句，列表，算术运算和其他一些基本结构）。

如果愿意，您可以在浏览器中使用自己喜欢的JavaScript语言使用TensorFlow.js库。

TensorFlow还允许您通过“端口”连接使用Swift，R和Julia这样的语言进行工作。 目前，Python和JavaScript具有最完整的支持，因此建议使用。

CoLab：适用于我们应用程序的沙箱平台

为了减少您需要在本地计算机上安装的软件数量，在整个课程中，我们将使用免费的Google服务-基于Jupyter的Colab 。

...和标准号召性用语-注册，加号并分享:)


YouTube： https ： //youtube.com/channel/ashmig
电报： https : //t.me/ashmig
VKontakte： https ：//vk.com/ashmig

聚苯乙烯

应采取哪种英语方向的课程来公开翻译并打包成材料（文字+视频）？ 哪种形式的实际任务最适合这些领域-GitHub上的现成程序集或代码片段，用于随后的所有部分的个人信息？

任何反馈表示赞赏！