慕课：基于Python玩转人工智能最火框架 TensorFlow应用实践

第1章 课程整体介绍 [72.65M]

说明

1-1 课程整体介绍及导学.mp4 [72.65M]

第2章 人工智能基础知识 [206.57M]

2-1 什么是人工智能.mp4 [10.51M]

2-2 人工智能前景.mp4 [9.72M]

2-3 人工智能需要的基本数学知识.mp4 [5.00M]

2-4 人工智能简史.mp4 [23.07M]

2-5 ai、机器学习和深度学习的关联.mp4 [7.89M]

2-6 什么是机器学习.mp4 [64.38M]

2-7 面对ai，我们应有的态度.mp4 [16.83M]

2-8 什么是过拟合.mp4 [34.12M]

2-9 什么是深度学习.mp4 [35.06M]

第3章 tensorflow简介和开发环境搭建 [1.05G]

3-1 什么是tensorflow.mp4 [31.69M]

3-10 安装tensorflow（上）.mp4 [125.88M]

3-11 安装tensorflow（下）.mp4 [97.33M]

3-12 安装python类库.mp4 [20.30M]

3-2 tensorflow和其他机器学习库的对比1.mp4 [316.95M]

3-3 如何学习tensorflow.mp4 [153.77M]

3-4 tensorflow前景.mp4 [7.87M]

3-5 如何使用课程提供的虚拟机文件.mp4 [57.31M]

3-6 安装virtualbox.mp4 [34.34M]

3-7 安装ubuntu.mp4 [110.77M]

3-8 配置ubuntu系统.mp4 [85.95M]

3-9 安装python.mp4 [32.47M]

第4章 tensorflow原理与进阶（代码实践） [4.44G]

说明

4-1 从helloworld开始.mp4 [13.87M]

4-10 可视化利器tensorboard（上）.mp4 [127.70M]

4-11 可视化利器tensorboard（下）.mp4 [111.40M]

4-12 酷炫模拟游乐园playground.mp4 [145.56M]

4-13 常用python库matplotlib.mp4 [196.10M]

4-14 综合小练习：梯度下降解决线性回归（上）.mp4 [90.47M]

4-15 综合小练习：梯度下降解决线性回归（中）.mp4 [111.23M]

4-16 综合小练习：梯度下降解决线性回归（下）.mp4 [152.34M]

4-17 激活函数（上）.mp4 [65.50M]

4-18 激活函数（下）.mp4 [33.53M]

4-19 动手实现cnn卷积神经网络（一）.mp4 [132.18M]

4-2 tensorflow的编程模式.mp4 [7.97M]

4-20 动手实现cnn卷积神经网络（二）.mp4 [148.03M]

4-21 动手实现cnn卷积神经网络（三）.mp4 [164.21M]

4-22 动手实现cnn卷积神经网络（四）.mp4 [118.58M]

4-23 动手实现cnn卷积神经网络（五）.mp4 [162.58M]

4-24 动手实现rnn-lstm循环神经网络（一）：背景和知识点.mp4 [177.47M]

4-25 动手实现rnn-lstm循环神经网络（二）：编写实用方法(上).mp4 [169.68M]

4-26 动手实现rnn-lstm循环神经网络（三）：编写实用方法(中).mp4 [196.72M]

4-27 动手实现rnn-lstm循环神经网络（四）：编写实用方法(下)1.mp4 [143.28M]

4-28 动手实现rnn-lstm循环神经网络（四）：编写实用方法(下)2.mp4 [136.45M]

4-29 动手实现rnn-lstm循环神经网络（五）：编写神经网络模型(上).mp4 [211.03M]

4-3 tensorflow的基础结构.mp4 [6.97M]

4-30 动手实现rnn-lstm循环神经网络（六）：编写神经网络模型(中)1.mp4 [180.67M]

4-31 动手实现rnn-lstm循环神经网络（六）：编写神经网络模型(中)2.mp4 [180.04M]

4-32 动手实现rnn-lstm循环神经网络（七）：编写神经网络模型(下).mp4 [158.55M]

4-33 动手实现rnn-lstm循环神经网络（八）：编写训练方法(上).mp4 [174.56M]

4-34 动手实现rnn-lstm循环神经网络（九）：编写训练方法(下).mp4 [143.65M]

4-35 动手实现rnn-lstm循环神经网络（十）：编写测试方法.mp4 [175.89M]

4-36 动手实现rnn-lstm循环神经网络（十一）：实际训练和测试.mp4 [121.17M]

4-4 图和会话.mp4 [15.73M]

4-5 python常用库numpy的使用.mp4 [118.54M]

4-6 什么是tensor（上）.mp4 [120.77M]

4-7 什么是tensor（下）.mp4 [80.44M]

4-8 图和会话原理及案例（上）.mp4 [124.20M]

4-9 图和会话原理及案例（下）.mp4 [126.99M]

第5章 案例一 会作曲的人工智能 [1.84G]

说明

5-1 背景和知识点简介.mp4 [105.93M]

5-10 编写训练神经网络的方法（一）.mp4 [128.61M]

5-11 编写训练神经网络的方法（二）.mp4 [168.70M]

5-12 编写训练神经网络的方法（三）.mp4 [204.88M]

5-13 编写神经网络生成音乐的方法（一）.mp4 [179.20M]

5-14 编写神经网络生成音乐的方法（二）.mp4 [235.17M]

5-15 纯tensorflow版的预告.mp4 [7.93M]

5-2 音乐和数学的联系.mp4 [48.62M]

5-3 什么是midi文件.mp4 [81.57M]

5-4 配置开发环境.mp4 [50.33M]

5-5 编写转换midi到mp3的方法.mp4 [45.43M]

5-6 python音乐库music21的使用和测试方法.mp4 [95.80M]

5-7 编写整个神经网络模型.mp4 [264.23M]

5-8 编写从训练文件获取音符的方法.mp4 [139.16M]

5-9 编写从预测数据来生成音乐的方法.mp4 [128.29M]

第6章 案例二 会photoshop的人工智能 [984.35M]

6-1 背景和知识点简介.mp4 [65.80M]

6-10 编写神经网络生成图片的方法.mp4 [115.24M]

6-11 代码完成和测试模型.mp4 [72.37M]

6-12 纯tensorflow版的预告.mp4 [4.68M]

6-2 配置开发环境.mp4 [79.07M]

6-3 什么是gan(生成对抗网络).mp4 [20.75M]

6-4 什么是dcgan.mp4 [30.21M]

6-5 编写dcgan中的判别器模型（上）.mp4 [81.11M]

6-6 编写dcgan中的判别器模型（下）.mp4 [160.87M]

6-7 编写dcgan中的生成器模型.mp4 [128.74M]

6-8 编写训练神经网络的方法（上）.mp4 [107.20M]

6-9 编写训练神经网络的方法（下）.mp4 [118.30M]

第7章 案例三 会开3d赛车的人工智能 [3.02G]

说明

7-1 背景和知识点简介.mp4 [108.69M]

7-10 q-learning 实现机器人走迷宫：游戏主程序.mp4 [102.60M]

7-11 deep q learning 实现迷宫游戏：决策算法（1）.mp4 [127.43M]

7-12 deep q learning 实现迷宫游戏：决策算法（2）.mp4 [202.75M]

7-13 deep q learning 实现迷宫游戏：决策算法（3）.mp4 [226.08M]

7-14 deep q learning 实现迷宫游戏：决策算法(4)和主程序.mp4 [159.19M]

7-15 policy gradient 实现 gym 游戏.mp4 [201.15M]

7-16 a3c 实现 3d 赛车游戏：成果演示.mp4 [125.95M]

7-17 a3c实现3d赛车游戏：讲解a3c和编写环境.mp4 [188.11M]

7-18 a3c实现3d赛车游戏：编写a3c算法和主程序.mp4 [259.60M]

7-2 强化学习的经典实验环境.mp4 [228.46M]

7-3 配置开发环境（1）.mp4 [277.21M]

7-4 配置开发环境（2）.mp4 [309.11M]

7-5 什么是强化学习.mp4 [160.19M]

7-6 什么是q learning.mp4 [18.09M]

7-7 q-learning 实现机器人走迷宫：创建环境.mp4 [118.34M]

7-8 q-learning 实现机器人走迷宫：决策算法（1）.mp4 [162.91M]

7-9 q-learning 实现机器人走迷宫：决策算法（2）.mp4 [120.49M]

第8章 知识点总结和课程延展 [393.90M]

说明

8-1 总结陈词和补充.mp4 [36.91M]

8-2 如何学好英语.mp4 [56.90M]

8-3 如何学好数学.mp4 [88.24M]

8-4 如何学习一门技术及课程知识点总结.mp4 [120.89M]

8-5 深入ai和tensorflow.mp4 [90.95M]

说明

imooc.vdi.zip [2.86G]

project.zip [72.80K]

课程代码和素材（包含训练好的参数文件）.rar [92.52M]