你将获得什么？
- 快速掌握 TensorFlow 核心概念和架构；
- 熟练进行模型结构设计、训练及测试；
- 参数调优及损失函数设计的基本方法；
- 四个典型的 TensorFlow 应用场景实战（提供全部源代码）；
- 懂得如何更好地为 TensorFlow 社区做贡献。
课程介绍
深度学习是近年来人工智能领域最火的一项技术。在众多的深度学习框架中，TensorFlow 凭借其强劲的运算性能、高效的超大集群并行能力、生产环境部署的稳定性、丰富的语言接口以及支持灵活的模型设计等特点，成为目前最流行的深度学习框架。
目前，阿里、腾讯、京东、小米、网易、滴滴等国内知名互联网企业以及 Airbnb、Uber、Dropbox 等硅谷明星公司，都在生产环境中大规模地使用 TensorFlow。在谷歌内部，更有超过 80% 的软件项目采用了 TensorFlow。
掌握 TensorFlow 是从事人工智能相关工作的必备技能之一。
而 TensorFlow 的初学者经常会遇到以下问题：
- 网上各种教程参差不齐，且各自基于不同的 TensorFlow 版本，完全照着做，难免会遇到各种奇怪的问题，有时候折腾半天都解决不了，越看越焦虑，还浪费时间。
- TensorFlow 使用了大量的抽象概念来描述算法模型及其计算过程，譬如张量、操作、占位符、数据流图、会话等。初学者往往难以理解，如果没有详细的指导和点拨，学习起来困难重重。
- 由于初学者对 TensorFlow 的模块和架构设计缺乏整体认知，就无法根据自身需求快速学习和应用，容易胡子眉毛一把抓，皱着眉头钻研半天也抓不住重点。
因此，极客时间联合 Google Developers Expert 彭靖田联合推出《TensorFlow 快速入门与实战》这门课程，课程以 TensorFlow 1.12 版本为基础，从 TensorFlow 的发展历程、核心概念开始讲起，并通过四个由浅到深的实战项目练习（提供全部源代码），帮你快速上手 TensorFlow，并能将所学知识应用到工作中，用 AI 为业务赋能。
课程目录
第一章：TensorFlow初印象 (8讲)
01 | 课程介绍
02 | 课程内容综述
03 | 第一章内容概述
04 | TensorFlow产生的历史必然性
05 | TensorFlow与Jeff Dean的那些事
06 | TensorFlow的应用场景
07 | TensorFlow的落地应用
08 | TensorFlow的发展现状
第二章：TensorFlow初接触 (5讲)
09 | 第二章内容概述
10 | 搭建你的TensorFlow开发环境
11 | Hello TensorFlow
12 | 在交互环境中使用TensorFlow
13 | 在容器中使用TensorFlow
第三章：TensorFlow基本概念解析 (11讲)
14 | 第三章内容概述
15 | TensorFlow模块与架构介绍
16 | TensorFlow数据流图介绍
17 | 张量（Tensor）是什么（上）
18 | 张量（Tensor）是什么（下）
19 | 变量（Variable）是什么（上）
20 | 变量（Variable）是什么（下）
21 | 操作（Operation）是什么（上）
22 | 操作（Operation）是什么（下）
23 | 会话（Session）是什么
24 | 优化器（Optimizer）是什么
第四章：实战TensorFlow房价预测 (10讲)
25 | 第四章内容概述
26 | 房价预测模型的前置知识
27 | 房价预测模型介绍
28 | 房价预测模型之数据处理
29 | 房价预测模型之创建与训练
30 | TensorBoard可视化工具介绍
31 | 使用TensorBoard可视化数据流图
32 | 实战房价预测模型：数据分析与处理
33 | 实战房价预测模型：创建与训练
34 | 实战房价预测模型：可视化数据流图
第五章：实战TensorFlow手写体数字识别 (9讲)
35 | 第五章内容概述
36 | 手写体数字数据集MNIST介绍（上）
37 | 手写体数字数据集MNIST介绍（下）
38 | MNIST Softmax网络介绍（上）
39 | MNIST Softmax网络介绍（下）
40 | 实战MNIST Softmax网络（上）
41 | 实战MNIST Softmax网络（下）
42 | MNIST CNN网络介绍
43 | 实战MNIST CNN网络
第六章：实战TensorFlow验证码识别 (8讲)
44 | 第六章内容概述
45 | 准备模型开发环境
46 | 生成验证码数据集
47 | 输入与输出数据处理
48 | 模型结构设计
49 | 模型损失函数设计
50 | 模型训练过程分析
51 | 模型部署与效果演示
第七章：实战TensorFlow人脸识别 (9讲)
52 | 第七部分内容介绍
53 | 人脸识别问题概述
54 | 典型人脸相关数据集介绍
55 | 人脸检测算法介绍
56 | 人脸识别算法介绍
57 | 人脸检测工具介绍
58 | 解析FaceNet人脸识别模型
59 | 实战FaceNet人脸识别模型
60 | 测试与可视化分析
番外篇：TensorFlow社区参与指南 (7讲)
61 | 番外篇内容介绍
62 | TensorFlow社区介绍
63 | TensorFlow生态：TFX
64 | TensorFlow生态：Kubeflow
65 | 如何参与TensorFlow社区开源贡献
66 | ML GDE是TensorFlow社区与开发者的桥梁
67 | 课程总结
讲师介绍
彭靖田，Google Developers Expert，加州大学圣迭戈分校访问学者，在美国期间从事深度学习与生物医疗技术的结合研究。毕业于浙江大学竺可桢学院，获计算机科学学士学位。
开源项目 Kubeflow 维护者，TensorFlow 贡献者，曾一度成为 TensorFlow 社区全球前 40 的贡献者。国内第一本深度剖析 Google AI 框架的畅销书《深入理解 TensorFlow》作者。
华为公司 2012 实验室深度学习创始团队成员，联合主导了华为深度学习平台和华为深度学习云服务的设计与研发工作。2017 年作为技术合伙人加入才云科技，负责 AI Cloud，并为能源、运营商等多个行业提供定制化人工智能平台方案。