Building Classification Models with TensorFlow 用TensorFlow构建分类模型 Pluralsight课程中文字幕

Building Classification Models with TensorFlow 中文字幕

用TensorFlow构建分类模型 中文字幕Building Classification Models with TensorFlow

TensorFlow是实现强大分类模型（如卷积神经网络和递归神经网络）的好方法
在本课程中，使用TensorFlow构建分类模型，您将学习各种不同的机器学习技术来构建分类模型
首先，您将首先介绍可用于评估分类模型的指标，例如准确性，精确度和召回率，并确定哪个指标适合您的用例
接下来，您将深入研究更传统的机器学习技术，例如逻辑回归和k-最近邻分类方法
最后，您将了解如何实现更强大的分类模型，如卷积神经网络和递归神经网络
在本课程结束时，您将更好地了解如何使用TensorFlow构建分类模型

你好。
我的名字是Janani Ravi，欢迎来到TensorFlow中的建筑分类模型课程。
我会自我介绍。
我在斯坦福大学获得电气工程硕士学位，曾在微软，谷歌和Flipkart等公司工作过。
在Google，我是最早在Google Docs中进行实时协作编辑的工程师之一，我为其底层技术拥有四项专利。
我目前在自己的创业公司Loonycorn工作，这是一家提供高质量视频内容的工作室。
本课程涵盖分类模型的优点。
我们首先要了解分类的工作原理以及用于评估分类器的指标，例如准确性，位置和召回。
我们从用于分类的基本机器学习模型开始，例如逻辑回归和最近邻居方法，并使用TensorFlow的Python API实现它们。
TensorFlow有一个很棒的库，可以使用卷积神经网络和递归神经网络实现强大的分类模型。
卷积神经网络（CNN）是一类深足前向人工神经网络，已成功应用于分析视觉图像。
CNN广泛用于图像和视频识别。
递归神经网络（RNN）是一种通用且功能强大的神经网络形式，在需要考虑背景的应用中迅速普及。
RNN非常适合考虑数据序列，电影中的帧，段落中的句子或句点中的股票收益。
本课程将详细介绍所有这些技巧。
本课程视频下载地址:用TensorFlow构建分类模型