课程目录

未分组

  1. 01 _ 课程介绍：AI进阶需要落地实战
  2. 02 _ 内容综述：如何快速⾼效学习AI与TensorFlow 2
  3. 03 _ TensorFlow 2新特性
  4. 04 _ TensorFlow 2核心模块
  5. 05 _ TensorFlow 2 vs TensorFlow 1.x
  6. 06 _ TensorFlow 2落地应⽤
  7. 07 _ TensorFlow 2开发环境搭建
  8. 08 _ TensorFlow 2数据导入与使⽤
  9. 09 _ 使用tf.keras.datasets加载数据
  10. 10 _ 使用tf.keras管理Sequential模型
  11. 11 _ 使用tf.keras管理functional API
  12. 12 _ Fashion MNIST数据集介绍
  13. 13 _ 使用TensorFlow2训练分类网络
  14. 14 _ 行业背景：AI新零售是什么_
  15. 15 _ 用户需求：线下门店业绩如何提升？
  16. 16 _ 长期⽬标：货架数字化与业务智能化
  17. 17 _ 短期目标：自动化陈列审核和促销管理
  18. 18 _ 方案设计：基于深度学习的检测_分类的AI流水线
  19. 19 _ 方案交付：支持在线识别和API调用的AI SaaS
  20. 20 _ 基础：目标检测问题定义与说明
  21. 21 _ 基础：深度学习在目标检测中的应用
  22. 22 _ 理论：R-CNN系列二阶段模型综述
  23. 23 _ 理论：YOLO系列一阶段模型概述
  24. 24 _ 应用：RetinaNet 与 Facol Loss 带来了什么
  25. 25 _ 应用：检测数据标注方法与流程
  26. 26 _ 应用：划分检测训练集与测试集
  27. 27 _ 应用：生成 CSV 格式数据集与标注
  28. 28 _ 应用：使用TensorFlow 2训练RetinaNet
  29. 29 _ 应用：使用RetinaNet检测货架商品
  30. 30 _ 扩展：目标检测常用数据集综述
  31. 31 _ 扩展：目标检测更多应用场景介绍
  32. 32 _ 基础：图像分类问题定义与说明
  33. 33 _ 基础：越来越深的图像分类网络
  34. 34 _ 应⽤：检测SKU抠图与分类标注流程
  35. 35 _ 应⽤：分类训练集与验证集划分
  36. 36 _ 应⽤：使⽤TensorFlow 2训练ResNet
  37. 37 _ 应用：使用ResNet识别货架商品
  38. 38 _ 扩展：图像分类常用数据集综述
  39. 39 _ 扩展：图像分类更多应⽤场景介绍
  40. 40 _ 串联AI流程理论：商品检测与商品识别
  41. 41 _ 串联AI流程实战：商品检测与商品识别
  42. 42 _ 展现AI效果理论：使用OpenCV可视化识别结果
  43. 43 _ 展现AI效果实战：使用OpenCV可视化识别结果
  44. 44 _ 搭建AI SaaS理论：Web框架选型
  45. 45 _ 搭建AI SaaS理论：数据库ORM选型
  46. 46 _ 搭建AI SaaS理论：10分钟快速开发AI SaaS
  47. 47 _ 搭建AI SaaS实战：10 分钟快速开发AI SaaS
  48. 48 _ 交付AI SaaS：10分钟快速掌握容器部署
  49. 49 _ 交付AI SaaS：部署和测试AI SaaS
  50. 50 _ 使⽤TensorFlow 2实现图像数据增强
  51. 51 _ 使⽤TensorFlow 2实现分布式训练
  52. 52 _ 使⽤TensorFlow Hub迁移学习
  53. 53 _ 使⽤@tf.function提升性能
  54. 54 _ 使⽤TensorFlow Serving部署云端服务
  55. 55 _ 使⽤TensorFlow Lite实现边缘智能
  56. 56 _ 结束语