发现我们针对各种主题的最佳指南和指南，包括技术、健康、生活方式等。加入我们，获取丰富有趣的更新，帮助您扩展知识并改善生活。
Suggested by: Coursera (What is Coursera?)
No prior knowledge required
No unnecessary risks
该专业课程专为希望在流行的 TensorFlow 深度学习框架中培养实用技能的机器学习研究人员和从业人员而设计。
本专业的第一门课程将指导您了解以下方面所需的基本概念：
第二门课程将加深您在 TensorFlow 方面的知识和技能，以培养：
您还将练习 TensorFlow API 以包含序列建模。
后一门课程专门研究一种在深度学习中变得越来越重要的概率方法。您将学习：
本课程也可以被视为 TensorFlow Probability 库的简介。
此专业所需的知识是：
作为该专业最终项目和编程任务的一部分，您将获得为各种应用程序开发深度学习模型的实用技能，例如：
欢迎学习“TensorFlow 2 入门”课程！在本课程中，您将学习使用 TensorFlow 开发深度学习模型的整个过程，从通过串行 API 对模型进行表征、训练、评估和预测、验证模型、集成监管、实施重复调用以及保存和加载模型。
在认证助教的指导下，通过实际编码练习实施您将立即学到的概念。此外，还有一系列编程作业会自动评估以加强您的技能。
在课程结束时，您将把这些概念收集到一个最终项目中，在该项目中，您将开发一个从一开始就对图像进行分类的模型。
TensorFlow 是一个开源机器库，也是深度学习中使用最广泛的框架之一。TensorFlow 2 的发布标志着产品开发的重大变化，主要强调所有用户（从初学者到高级）的易用性。本课程也适合新用户以及具有 TensorFlow 1.x 经验的用户。
在该课程中取得成功所需的知识是：
欢迎参加“使用 TensorFlow 2 自定义模型”课程！在本课程中，您将加深 TensorFlow 方面的知识和技能，以便为每个应用程序开发自定义深度学习模型和技术。您将使用 TensorFlow 中的低级 API 来开发复杂的模型架构、自定义层和灵活的信息。您还将扩展 TensorFlow API 的知识，以包括系列模型。
在认证助教的指导下，通过实践练习立即实施概念。此外，还有一系列编程任务会自动评估以增强您的技能。
在课程结束时，您将把概念收集到一个最终项目中，在这个项目中，您将从头开始开发一个个性化的神经翻译模型。
TensorFlow 是一个开源机器库，也是深度学习中使用最广泛的框架之一。TensorFlow 2 的发布标志着产品开发的重大变化，主要强调所有用户（从初学者到高级）的易用性。
本课程直接继承了上一门课程“TensorFlow 2 入门”。成功所需的额外知识是：
欢迎参加“使用 TensorFlow 获取概率驱动信息”课程！本课程以前两门课程中学到的基本 TensorFlow 概念和技能为基础，重点介绍概率驱动的深度学习方法。这是一个非常重要的领域，旨在量化现实数据中经常发现的噪声和不确定性。当深度学习模型用于自动驾驶汽车或医疗诊断等领域时，这是一个基本方面;模型知道它不知道的东西很重要。
您将学习如何使用 TensorFlow 概率库开发概率模型，该库旨在更轻松地将概率模型与深度学习相结合。因此，本课程也可以被视为 TensorFlow 概率库的介绍。
您将学习如何在 TensorFlow 中表示概率压缩并将其集成到深度学习模型中，包括贝叶斯神经网络、普通流和可变自动抱怨。您将学习开发用于量化不确定性的模型，以及可以创建与数据中类似的新示例（例如名人面部图像）的生成模型。
在认证助教的指导下，通过实践练习实施这些概念。此外，还有一系列编程任务会自动评估以增强您的技能。
在课程结束时，您将在最终项目中收集概念，在该项目中，您将开发一个可变的自动编码器算法，以创建您需要自己创建的合成图像数组的生成模型。
本课程遵循该专项的前两门课程，即“TensorFlow 2 入门”和“使用 TensorFlow 2 调整模型”。成功所需的额外知识是：
