课程主页: https://www.coursera.org/learn/convolutional-neural-networks-tensorflow
在这个快速发展的人工智能时代，了解如何构建可扩展的 AI 驱动算法变得愈发重要。如果你是一名软件开发人员，想要利用 TensorFlow 这一热门开源机器学习框架，构建自己的深度学习模型，那么《TensorFlow中的卷积神经网络》这门课程绝对不容错过。
课程概述
这是 deeplearning.ai TensorFlow 专项课程的第二部分，课程重点是帮助你深入理解卷积神经网络，以及如何使用实际数据来提高计算机视觉模型的表现。你将从最基础的图像分类入手，逐步探索更复杂的技术。
课程大纲
- 探索更大的数据集
在第一部分课程中，你了解了 TensorFlow 的基本使用方法，学习了简单的图像分类。本课程将带你深入使用卷积神经网络处理现实世界中的数据，尤其是经典的猫狗数据集，这将是你训练模型的重要素材。 - 数据增强：避免过拟合的技术
过拟合是许多机器学习模型常见的问题。本周的学习将集中在数据增强上，通过细微的调整训练集，增加样本的多样性，从而提高模型的泛化能力。 - 迁移学习
构建自己的模型固然重要，但可用的数据集的限制可能会让你感到挫败。迁移学习为你提供了一个解决方案，借助已有大型数据集上训练好的模型，你可以更有效地进行模型构建和应用。 - 多分类问题
恭喜你完成了基础的卷积网络学习！本周将教你超越二分类问题，转向处理多分类的问题，了解更复杂的分类任务所需的编码考虑。
总结
综上所述，《TensorFlow中的卷积神经网络》是一门能够帮助你掌握实际应用中深度学习技术的优质课程。无论你是初学者还是想要提升自己技能的开发人员，这门课程都能为你提供实用的知识和技能。我强烈推荐你报读这门课程，让自己在 AI 领域中更具竞争力！
课程主页: https://www.coursera.org/learn/convolutional-neural-networks-tensorflow