Building Classification Models with TensorFlow 中文字幕

用TensorFlow構建分類模型 中文字幕Building Classification Models with TensorFlow

TensorFlow是實現強大分類模型（如卷積神經網路和遞迴神經網路）的好方法
在本課程中，使用TensorFlow構建分類模型，您將學習各種不同的機器學習技術來構建分類模型
首先，您將首先介紹可用於評估分類模型的指標，例如準確性，精確度和召回率，並確定哪個指標適合您的用例
接下來，您將深入研究更傳統的機器學習技術，例如邏輯迴歸和k-最近鄰分類方法
最後，您將瞭解如何實現更強大的分類模型，如卷積神經網路和遞迴神經網路
在本課程結束時，您將更好地瞭解如何使用TensorFlow構建分類模型

你好。
我的名字是Janani Ravi，歡迎來到TensorFlow中的建築分類模型課程。
我會自我介紹。
我在斯坦福大學獲得電氣工程碩士學位，曾在微軟，谷歌和Flipkart等公司工作過。
在Google，我是最早在Google Docs中進行實時協作編輯的工程師之一，我為其底層技術擁有四項專利。
我目前在自己的創業公司Loonycorn工作，這是一家提供高質量視訊內容的工作室。
本課程涵蓋分類模型的優點。
我們首先要了解分類的工作原理以及用於評估分類器的指標，例如準確性，位置和召回。
我們從用於分類的基本機器學習模型開始，例如邏輯迴歸和最近鄰居方法，並使用TensorFlow的Python API實現它們。
TensorFlow有一個很棒的庫，可以使用卷積神經網路和遞迴神經網路實現強大的分類模型。
卷積神經網路（CNN）是一類深足前向人工神經網路，已成功應用於分析視覺影象。
CNN廣泛用於影象和視訊識別。
遞迴神經網路（RNN）是一種通用且功能強大的神經網路形式，在需要考慮背景的應用中迅速普及。
RNN非常適合考慮資料序列，電影中的幀，段落中的句子或句點中的股票收益。
本課程將詳細介紹所有這些技巧。
本課程視訊下載地址: