课程介绍

JavaScript玩转机器学习Tensorflow.js项目实战课程是一个实践性很强的课程，旨在教授学员如何使用JavaScript和Tensorflow.js构建自己的人工智能项目。

课程将从基础知识开始，介绍机器学习和人工智能的基本概念，并讲解Tensorflow.js的基本用法和功能。随后，学员将学习如何使用JavaScript编写机器学习模型，并将其部署到浏览器中，实现实时的人工智能应用。

课程的主要内容包括：

1. 机器学习和人工智能基础知识：学员将了解机器学习和人工智能的基本概念，包括监督学习、无监督学习和强化学习等。
2. Tensorflow.js入门：学员将学习如何使用Tensorflow.js构建机器学习模型，并了解其基本用法和功能。
3. JavaScript编程基础：学员将学习JavaScript的基本语法和编程技巧，为后续的项目实战做好准备。
4. 项目实战：学员将通过实际的项目案例，学习如何使用JavaScript和Tensorflow.js构建自己的人工智能应用。例如，可以实现一个图像识别程序，能够识别图片中的物体或人脸。

这门课程适合具有一定JavaScript编程基础的学员，希望通过学习机器学习和人工智能的应用来提升自己的技能和能力。课程内容实用性强，学员可以通过实践来深入理解相关概念和技术，并将其应用到自己的项目中。

通过完成这门课程，学员将能够掌握使用JavaScript和Tensorflow.js构建自己的人工智能项目的技能，为将来在人工智能领域的发展打下坚实的基础。

课程目录

/【imooc-408】JavaScript玩转机器学习Tensorflow.js项目实战 打造你人生中的第一个AI项目-348元/
│├─第1章 课程导学
│├─第2章 机器学习与神经网络简介
│├─第3章 Tensorflow.js 简介
│├─第4章 线性回归
│├─第5章 归一化
│├─第6章 逻辑回归
│├─第7章 多层神经网络
│├─第8章 多分类
│├─第9章 欠拟合与过拟合
│├─资料源码
│├─第10章 使用卷积神经网络（CNN）识别手写数字
│├─第11章 使用预训练模型进行图片分类
│├─第12章 基于迁移学习的图像分类器：商标识别
│├─第13章 使用预训练模型进行语音识别
│├─第14章 基于迁移学习的语音识别器：声控轮播图
│├─第15章 Python 与 JavaScript 模型互转
│├─第16章 课程总结

详细目录

第1章 课程导学/
│├─1-1 课程导学.mp4 63.6MB
第2章 机器学习与神经网络简介/
│├─2
│2/
││├─2-1 机器学习简介.mp4 60.5MB
││├─2-2 神经网络简介.mp4 31.9MB
││├─2-3 神经网络的训练.mp4 41.8MB
第3章 Tensorflow.js 简介/
│├─3
│3/
││├─3-1 Tensorflow.js 简介.mp4 61.8MB
││├─3-2 安装 Tensoflow.js.mp4 90.1MB
││├─3-3 为何要用 Tensor.mp4 99.2MB
第4章 线性回归/
│├─4
│4/
││├─4-1 线性回归任务简介.mp4 22.5MB
││├─4-2 准备、可视化训练数据.mp4 66.1MB
││├─4-3 定义模型结构：单层单个神经元组成的神经网络.mp4 64.3MB
││├─4-4 损失函数：均方误差.mp4 65.3MB
││├─4-5 优化器：随机梯度下降.mp4 103.3MB
││├─4-6 训练模型并可视化训练过程.mp4 81.4MB
第5章 归一化/
│├─5
│5/
││├─5-1 归一化任务简介.mp4 20.6MB
││├─5-2 归一化训练数据.mp4 62.1MB
││├─5-3 训练、预测、反归一化.mp4 30.6MB
第6章 逻辑回归/
│├─6
│6/
││├─6-1 逻辑回归任务简介.mp4 24.8MB
││├─6-2 加载二分类数据.mp4 42.9MB
││├─6-3 定义模型结构：带有激活函数的单个神经元.mp4 75MB
││├─6-5 训练模型并可视化训练过程.mp4 37MB
││├─6-6 进行预测.mp4 41.7MB
││├─6-7 （选修）二分类数据集生成函数源码剖析.mp4 194.3MB
第7章 多层神经网络/
│├─7
│7/
││├─7-1 多层神经网络任务简介.mp4 123.1MB
││├─7-2 加载 XOR 数据集.mp4 20.3MB
││├─7-3 定义模型结构：多层神经网络.mp4 38.8MB
││├─7-4 训练模型并预测.mp4 45.2MB
第8章 多分类/
│├─8
│8/
││├─8-1 任务简介、主要步骤、前置条件.mp4 30.6MB
││├─8-3 定义模型结构：带有softmax的多层神经网络.mp4 32.1MB
││├─8-4 训练模型：交叉熵损失函数与准确度度量.mp4 49.9MB
││├─8-5 多分类预测方法.mp4 52.3MB
││├─8-6 （选修）IRIS数据集生成函数源码剖析.mp4 86.5MB
第9章 欠拟合与过拟合/
│├─9
│9/
││├─9-1 欠拟合与过拟合任务简介.mp4 65.4MB
││├─9-2 加载带有噪音的二分类数据集.mp4 71.5MB
││├─9-3 使用简单神经网络演示欠拟合.mp4 63.8MB
││├─9-4 使用复杂神经网络演示过拟合.mp4 40.1MB
││├─9-5 过拟合应对法：早停法、权重衰减、丢弃法.mp4 70.8MB
第10章 使用卷积神经网络（CNN）识别手写数字/
│├─10
│10/
││├─10-1 使用卷积神经网络识别手写数字任务简介.mp4 16.8MB
││├─10-2 加载 MNIST 数据集.mp4 173.4MB
││├─10-3 定义模型结构：卷积神经网络.mp4 176.7MB
││├─10-4 训练模型.mp4 66.5MB
││├─10-5 进行预测.mp4 153.5MB
第11章 使用预训练模型进行图片分类/
│├─11
│11/
││├─11-1 使用预训练模型进行图片分类任务简介.mp4 17.7MB
││├─11-2 加载 MobileNet 模型.mp4 59.3MB
││├─11-3 进行预测.mp4 124.7MB
第12章 基于迁移学习的图像分类器：商标识别/
│├─12
│12/
││├─12-1 基于迁移学习的图像分类器：商标识别任务简介.mp4 21.8MB
││├─12-2 加载商标训练数据并可视化.mp4 91.7MB
││├─12-3 定义模型结构：截断模型+双层神经网络.mp4 85.6MB
││├─12-4 迁移学习下的模型训练.mp4 88.6MB
││├─12-5 迁移学习下的模型预测.mp4 56.8MB
第13章 使用预训练模型进行语音识别/
│├─13
│13/
││├─13-1 使用预训练模型进行语音识别任务简介.mp4 15.2MB
││├─13-2 加载预训练语音识别模型.mp4 75.6MB
││├─13-3 进行语音识别.mp4 83.2MB
第14章 基于迁移学习的语音识别器：声控轮播图/
│├─14
│14/
││├─14-1 基于迁移学习的语音识别器：声控轮播图.mp4 17.1MB
││├─14-2 在浏览器中收集中文语音训练数据.mp4 105.2MB
││├─14-3 语音识别迁移学习的训练和预测.mp4 81.7MB
││├─14-4 语音训练数据的保存和加载.mp4 146.9MB
││├─14-5 声控轮播图.mp4 140.5MB
第15章 Python 与 JavaScript 模型互转/
│├─15
│15/
││├─15-1 Python 与 JavaScript 模型互转任务简介.mp4 61.6MB
││├─15-2 安装 Tensorflow.js Converter.mp4 148.3MB
││├─15-3 Python 与 JavaScript 模型互转.mp4 121.7MB
││├─15-4 JavaScript 模型的互转：分片、量化、加速.mp4 85.8MB
第16章 课程总结/
│├─16
│16/
││├─16-1.mp4 15.9MB
资料源码/
│├─IT知识学院.txt 191byte
│├─js-ml-code-master.zip 20.6MB
│├─read me.txt 140byte