我为什么要学习 TensorFlow？

这里是我们认为你应该学习 TensorFlow 的前三个原因：

1. 有很多工作机会： 被像 Google、Airbnb、Uber、DeepMind、Intel、IBM、Twitter 这样的主要公司使用，意味着对 TensorFlow 开发者的需求巨大。TensorFlow 在就业市场上正在超越其他流行的机器学习工具，如 PyTorch。
2. 需求高 = 高薪：TensorFlow 开发者的平均工资为 14.8 万美元 ，有些人甚至超过 20 万美元 ，这是根据 ZipRecruiter 最近统计的数据。
3. 老派的 FUN： 学习 TensorFlow 可以让你为各种任务构建深度学习模型，如回归、计算机视觉（在图像中寻找模式）、自然语言处理（在文本中寻找模式）和时间序列预测（根据一系列过去的事件预测未来趋势）。那真的很酷！

本课程的目标是教你所有必要的技能，让你成为招聘 TensorFlow 开发者的招聘人员的顶级候选人。

你将和许多优秀的人一起学习 TensorFlow。

Zero To Mastery 的毕业生现在正在谷歌、特斯拉、亚马逊、苹果、IBM、优步、脸书、Shopify+其他顶尖科技公司工作。

这可以是您。

今天注册，你还可以加入我们专属的在线社区课堂 ，与成千上万的学生、校友、导师、助教和讲师一起学习。

最重要的是，你将从一位拥有实际机器学习经验的行业专家那里学习 TensorFlow。

这是本 TensorFlow 课程中你将学习内容的详细分解：

这个 TensorFlow 课程非常注重实践和项目。你不会只是看着我们教学和编码。我们会把那些留到其他的教程和课程中。

你将实际运行实验、做练习并构建真实的机器学习模型和项目，以模拟现实生活中的场景。

我们还将向你展示 TensorFlow 考试将是什么样子。

到最后，你将掌握开发大型科技公司所面临的现代深度学习解决方案所需的技术。

公平警告，这门课程是 非常全面的 。但不要害怕，我们将带你从零开始学习所有内容！

0. TensorFlow 基础

• 张量的介绍（创建张量）
• 从张量中获取信息（张量属性）
• 操作张量（张量运算）
• 张量与 NumPy
• 使用@tf.function（一种加速常规 Python 函数的方法）
• 使用 GPU 与 TensorFlow

1. 使用 TensorFlow 进行神经网络回归

• 使用多个层构建 TensorFlow 顺序模型
• 为机器学习模型准备数据
• 学习构成深度学习模型的不同组件（损失函数、架构、优化函数）
• 学习如何诊断回归问题（预测一个数字）并为其构建神经网络

使用 TensorFlow 进行神经网络分类

• 学习如何诊断分类问题（预测某物是这一类还是那一类）
• 使用 TensorFlow 构建、编译和训练机器学习分类模型
• 构建、训练用于二元和多类分类的模型
• 绘制模型性能指标之间的关系
• 匹配输入（训练数据形状）和输出形状（预测数据目标）

3. 计算机视觉和卷积神经网络与 TensorFlow

• 使用 Conv2D 和池化层构建卷积神经网络
• 学习如何诊断不同类型的计算机视觉问题
• 学习如何构建计算机视觉神经网络
• 学习如何使用真实世界的图像与您的计算机视觉模型

TensorFlow 的迁移学习第一部分：特征提取

• 学习如何使用预训练模型从自己的数据中提取特征
• 学习如何使用 TensorFlow Hub 进行预训练模型
• 学习如何使用 TensorBoard 比较几个不同模型的性能

5. 使用 TensorFlow 进行迁移学习第 2 部分：微调

• 学习如何设置和运行多个机器学习实验
• 学习如何使用数据增强来增加训练数据的多样性
• 学习如何微调预训练模型以适应自己的自定义问题
• 学习如何使用回调函数在训练期间为模型添加功能

6. 使用 TensorFlow 进行迁移学习第三部分：扩展（食品视觉迷你版）

• 学习如何扩展现有模型
• 学习如何通过找出最错误的预测来评估机器学习模型
• 仅使用 10% 的数据击败原始 Food101 论文

第7个里程碑项目1：食物视觉

• 结合你在前 6 个笔记本中学到的所有知识，构建食物视觉：一个能够对 101 种不同食物进行分类的计算机视觉模型。我们的模型真正超越了最初的 Food101 论文。

8. TensorFlow 中的 NLP 基础

你将学习到：

• 对自然语言文本进行预处理，以用于神经网络
• 使用 TensorFlow 创建词嵌入（文本的数值表示）
• 构建能够进行二分类和多分类的神经网络，使用：
  • 循环神经网络
  • 长短期记忆单元
  • 门控循环单元
  • 卷积神经网络
• 学习如何评估您的 NLP 模型

9. 里程碑项目 2：SkimLit

• 复制驱动 PubMed 200k 论文的模型，以对 PubMed 医学摘要中的不同序列进行分类（这可以帮助研究人员更快地阅读医学摘要）

10. TensorFlow 中的时间序列基础

• 学习如何诊断时间序列问题（构建模型基于跨时间的数据进行预测，例如预测明天苹果公司的股票价格）
• 为时间序列神经网络准备数据（特征和标签）
• 理解和使用不同的时间序列评估方法
  • MAE — 平均绝对误差
• Build time series forecasting models with TensorFlow   
  • RNNs (recurrent neural networks)  
  • CNNs (convolutional neural networks)  

11. Milestone Project 3: (Surprise)  

• 如果你已经读到这一步，你很可能对这门课程感兴趣。这个最后的项目会很好……我们保证，所以 inside the course 见！;)

结论是什么？

TensorFlow 的 growth 和采用正在爆炸式增长，这意味着越来越多的职位空缺正在出现，需要这种专业知识。

像谷歌、爱彼迎、优步、DeepMind、英特尔、IBM、推特等许多公司目前都由 TensorFlow 提供支持。TensorFlow 甚至在就业市场上超过了其他流行的机器学习工具，如 PyTorch。

我们保证这是网上最全面、最及时的 TensorFlow 训练营课程。

所以为什么还要等呢？提升你的职业生涯并获得更高的薪水，成为一名深度学习工程师，并将 TensorFlow 添加到你的工具箱中 💪。

你没有任何损失。因为你现在就可以开始学习，如果这门课程不是你期望的那样，我们将在30天内全额退款。不麻烦，也不需要任何解释。