北大曹健老师发布MOOC《人工智能实践：Tensorflow笔记》！

“

这是人工智能入门课，将用八次课帮你梳理人工智能概念、机器学习方法、深度学习框架。如果你还不知道什么是人工智能、机器学习、深度学习，欢迎进来学习交流。结课时，你将会用Python搭建人工神经网络，实现特定物体的识别。一起编码感受人工智能 机器学习 深度学习吧！

—— 课程团队

”

北大曹健老师课程团队在MOOC《人工智能实践：Tensorflow笔记》介绍首页如是说。

课程地址（或点击文末“阅读全文直接访问”）：

《人工智能实践：Tensorflow笔记》

该门课程为中国大学MOOC首门介绍当前最广泛使用的深度学习框架——TensorFlow的课程，该门课程于2018年3月首次上线便吸引了8k+学员参与学习；于2018年12月1号第二次上线，在短短的两天之内便吸引了近7k+学员参与。由此可见其“火热”态势。这门课程对于需要深入学习tensorflow框架的广大MLers来说，无疑是“雪中送炭”，极大鼓舞了国内同学学习深度学习技术的热情，在这里给曹健老师课程团队点个赞！

该门课程目标是：学会使用Python语言搭建人工神经网络，实现图像分类。

该门课程内容如下：

第一讲带着大家梳理人工智能领域的基本概念：比如什么是人工智能、什么机器学习、什么是深度学习，他们的发展历史是什么，能用他们做什么。课后，助教会带领大家安装Ubuntu系统、Python解释器 和 Tensorflow环境，把同学们的电脑进行改造，让它变得更专业。

第二讲 串讲python语法：课程将帮同学们在最短的时间内把python语法织成网，为后续课程扫清代码关；

第三讲 讲解Tensorflow的关键词，搭建神经网络：这节课会介绍张量、计算图、会话等概念，并用Python搭建你的第一个神经网络，总结出神经网络搭建的八股。

第四讲 讲解神经网络的优化：包括损失函数、学习率、滑动平均和正则化。

第五讲 讲解全连接网络：使用MNIST数据集，搭建全连接网络实现手写数字的识别。包括前向传播、反向传播、识别准确率输出和反向传播断点续训。

第六讲 讲解全连接网络应用：更改上一讲全连接网络的代码，现场手写一个数字，输出这个数字的值。

第七讲 讲解卷积神经网络：使用MNIST数据集，搭建卷积神经网络实现前向传播、反向传播、识别准确率输出和反向传播断点续训。

第八讲 讲解卷积神经网络应用：复现ImageNet数据集训练好的模型，实现特定图片的识别。

该门课程大纲如下：

第一讲 人工智能概述

1.1-概述

1.2-双系统安装

1.3-Windows虚拟机安装

1.4-Mac Tensorflow安装

第二讲 Python语法串讲

2.1-Linux指令、Hello World

2.2-列表、元组、字典

2.3-条件语句

2.4-循环语句

2.5-turtle模块

2.6-函数、模块、包

2.7-类、对象、面向对象的编程

2.8-文件操作

第三讲 Tensorflow框架

3.1-张量、计算图、会话

3.2-前向传播

3.3-反向传播

第四讲 神经网络优化

4.1-损失函数

4.2-学习率

4.3-滑动平均

4.4-正则化

4.5-神经网络搭建八股

第五讲 全连接网络基础

5.1-MNIST数据集

5.2-模块化搭建神经网络八股

5.3-手写数字识别准确率输出

第六讲 全连接网络实践

6.1-输入手写数字图片输出识别结果

6.2-制作数据集

第七讲 卷积网络基础

7.1-卷积神经网络

7.2-lenet5代码讲解

第八讲 卷积网络实践

8.1-复现已有的卷积神经网络

8.2-用vgg16实现图片识别

每讲课课程测验如下：

期中项目50分：编写Python代码，实现输入手写数字图片，输出预测的数值。识别准确率达到90%为合格：课程给出十张手写数字图片，每正确识别一张得5分。

期末项目50分：编写Python代码，复现卷积神经网络，输入一张图片，识别出图片的内容。识别准确率达90%为合格：课程给出十张图片，每正确识别一张得5分。

满分100分，达到60分为合格，达到90分以上为优秀。

笔者学完了本门课程，发现其内容以曾经学过的由电子工业出版社出版的书籍《Tensorflow：实战Google深度学习框架》（郑泽宇 ，顾思宇 著）为蓝本，因此，笔者墙裂建议小伙伴结合该书进行课程学习。

另外，由于Tensorflow分为cpu和gpu两个版本，强烈建议小伙伴们学习时安装tensorflow-gpu版本，体验速度“飞一般的感觉”！具体配置教程请参考推文：

这就完了？。。。。。。。。。。。。。

当然不是啦！【机器学习之美】的一贯作风是“无干货不成文”，下面开始放干货啦~~~

笔者整理了上述MOOC的所有视频、课程笔记、每讲的作业测验以及期末作业题于百度网盘中，方便小伙伴们下载后本地离线观看学习，同时送上《Tensorflow：实战Google深度学习框架（第二版）》（郑泽宇 ，顾思宇 著）电子书供小伙伴们随课学习（以上资源仅用于个人学习之用，版权归属原作者）。