JavaScript玩转机器学习 打造你人生中的第一个AI项目

437 阅读7分钟

JavaScript玩转机器学习 打造你人生中的第一个AI项目

超清原画 完整无密 MP4格式

下载地址:百度云盘

专为前端工程师准备的AI课程来了!!人工智能时代已经来临,而前端同学对于AI领域大都处于陌生状态,想学习又找不到靠谱的老师,也没有面向前端的人工智能学习资料。本课程以 JavaScript 作为实现语言,以Tensorflow.js作为主要框架,通过十几个经典案例、覆盖神经网络和机器学习的理论知识、带你亲手完成图片分类与语音识别等落地项目,帮你理清整个学习体系,轻松入门AI领域,不惧未来挑战。

**

适合人群

**

只要对机器学习领域感兴趣的 JavaScript 开发者都可以学习

**

技术储备要求

**

JavaScript基础、中学数学基础

章节目录:

**

第1章 课程导学

这一章只有一节,也只有一个目的,就是告诉你为何要学本课程,本课程能教你什么,学之前需要哪些前置知识。

1-1 《想要入门AI的同学都应该看一看》课程导学试看

第2章 机器学习与神经网络简介

本章会使用中世纪男子脚长、SIRI 语音识别、相亲等大量生动形象的例子,讲解机器学习和神经网络的理论知识。

2-1 机器学习简介试看

2-2 神经网络简介

2-3 神经网络的训练

第3章 Tensorflow.js 简介

Tensorflow.js 是本课程的核心框架,本章帮你在实战前熟悉一下手里的“兵器”,将会涉及 Tensorflow.js 的简介、安装方法,以及什么是 Tensor?为何要使用 Tensor 等知识点

3-1 Tensorflow.js 简介

3-2 安装 Tensoflow.js

3-3 为何要用 Tensor

第4章 线性回归

本章将会带你开发并训练你人生中第一个神经网络模型,虽然它只有一个神经元,但却是你机器学习之路的起点!

4-1 线性回归任务简介

4-2 准备、可视化训练数据试看

4-3 定义模型结构:单层单个神经元组成的神经网络

4-4 损失函数:均方误差

4-5 优化器:随机梯度下降

4-6 训练模型并可视化训练过程

4-7 进行预测

第5章 归一化

九九归一……,等等,我们不是在打算盘,而是在炼丹(训练模型)!本章将会以身高体重预测作为例子,讲解归一化这个炼丹最佳实践。

5-1 归一化任务简介

5-2 归一化训练数据

5-3 训练、预测、反归一化

第6章 逻辑回归

这次任务就是开发一个神经网络把平面上的两类点,一刀两断!

6-1 逻辑回归任务简介

6-2 加载二分类数据

6-3 定义模型结构:带有激活函数的单个神经元

6-4 损失函数:对数损失(log loss)

6-5 训练模型并可视化训练过程

6-6 进行预测

6-7 (选修)二分类数据集生成函数源码剖析

第7章 多层神经网络

生活中没有那么多一刀两断的简单问题,面对复杂问题,我们可以开发一个多层神经网络模型配合激活函数,拐着弯挥舞手里的“刀”来切!

7-1 多层神经网络任务简介

7-2 加载 XOR 数据集

7-3 定义模型结构:多层神经网络

7-4 训练模型并预测

第8章 多分类

本章将会以鸢尾花分类为例,学习使用 softmax 和 交叉熵 两个算法来让神经网络进行多分类

8-1 任务简介、主要步骤、前置条件

8-2 加载iris数据集(训练集与验证集)

8-3 定义模型结构:带有softmax的多层神经网络

8-4 训练模型:交叉熵损失函数与准确度度量

8-5 多分类预测方法

8-6 (选修)IRIS数据集生成函数源码剖析

8-7 (选修)IRIS 数据集生成函数源码剖析

第9章 欠拟合与过拟合

又到了学习炼丹最佳实践的时间了!学完本次任务,你随便瞄一眼训练图像,就能判断是欠拟合还是过拟合了。

9-1 欠拟合与过拟合任务简介

9-2 加载带有噪音的二分类数据集

9-3 使用简单神经网络演示欠拟合

9-4 使用复杂神经网络演示过拟合

9-5 过拟合应对法:早停法、权重衰减、丢弃法

第10章 使用卷积神经网络(CNN)识别手写数字

本章会先使用大量动画讲解卷积神经网络的理论,然后使用 JS 来构建并训练它!开始构建人生第一个深度学习模型吧!

10-1 使用卷积神经网络识别手写数字任务简介

10-2 加载 MNIST 数据集

10-3 定义模型结构:卷积神经网络

10-4 训练模型

10-5 进行预测

第11章 使用预训练模型进行图片分类

把别人训练好的卷积神经网络模型直接拿来用!拿来主义者也需要学习哦!

11-1 使用预训练模型进行图片分类任务简介

11-2 加载 MobileNet 模型

11-3 进行预测

第12章 基于迁移学习的图像分类器:商标识别

本章将会以商标识别为例,讲解如何使用迁移学习来更高效地进行图片分类了,学完本章,你可以照猫画虎开发你画我猜、花草分类、垃圾分类、绘文字猎手等各种游戏和应用了!

12-1 基于迁移学习的图像分类器:商标识别任务简介

12-2 加载商标训练数据并可视化

12-3 定义模型结构:截断模型+双层神经网络

12-4 迁移学习下的模型训练

12-5 迁移学习下的模型预测

12-6 模型的保存和加载

第13章 使用预训练模型进行语音识别

在浏览器里进行语音识别。

13-1 使用预训练模型进行语音识别任务简介

13-2 加载预训练语音识别模型

13-3 进行语音识别

第14章 基于迁移学习的语音识别器:声控轮播图

本章将会带你开发一个可以远程声控的轮播图,学完本章,你可以开发自己的简易版 SIRI 语音助手了!

14-1 基于迁移学习的语音识别器:声控轮播图

14-2 在浏览器中收集中文语音训练数据

14-3 语音识别迁移学习的训练和预测

14-4 语音训练数据的保存和加载

14-5 声控轮播图

第15章 Python 与 JavaScript 模型互转

本章学的都是工作中最实用常用的技术:把 Python 模型转为 JS 模型,就可以部署到浏览器里了。对 JS 模型进行分片、压缩、加速等各种优化转换也是必不可少的工作哦!

15-1 Python 与 JavaScript 模型互转任务简介

15-2 安装 Tensorflow.js Converter

15-3 Python 与 JavaScript 模型互转

15-4 JavaScript 模型的互转:分片、量化、加速

第16章 课程总结

对课程整体进行回顾。

16-1 -回顾与总结

本课程已完结

**

超清原画 完整无密 MP4格式 

 下载地址:百度云盘