Introducing TensorFlow Videos for a Global Audience: Chinese
януари 23, 2020
Posted by the TensorFlow team

When the TensorFlow YouTube channel launched in 2018, we had a vision to inform and inspire developers around the world about what was possible with Machine Learning. With series like Coding TensorFlow showing how you can use it, and Made with TensorFlow showing inspirational stories about what people have done with TensorFlow and much more, the channel has grown greatly. But we learned an important lesson: it’s a global phenomenon, and to reach the world effectively, we should provide some of our best content in multiple languages with native speakers presenting. Check out the popular Zero to Hero series in Chinese!

Machine Learning with TensorFlow: Zero to Hero

无论我们是在上网,读报纸,看书的时候,机器学习和人工智能这样的字眼似乎无处不在。媒体上充斥着大量的信息以及炒作。考虑到这一点,来自TensorFlow团队的Laurence Moroney, 希望从开发人员的角度, 制作一个分为4集的系列视频, 和我们说说机器学习究竟是什么。 这个系列视频叫做“Machine Learning: From Zero to Hero with TensorFlow”(机器学习: 从零到一学习Tensorflow),是基于他在2019年谷歌I/O大会上的热门演讲制作的。



第一集: 你将了解到机器学习是编程的一个新领域。用传统的编程语言,比如Java或C++,去编写一个程序,是需要使用明确的规则的。而机器学习则可以通过训练数据来推理出这些规则。但机器学习究竟是什么样子的呢?在这里,我们会用一个简单的示例代码去构建一个机器学习模型,介绍一些基础概念,而你们会在之后的视频中应用这些概念去解决一个更有意思的问题:计算机视觉。



第二集: 通过教计算机如何看到并识别不同的物体,你可以学习到一些基本的计算机视觉概念。你还可以在此处自己编写示例: https://goo.gle/34cHkDk



第三集: 在这里,我们会讨论卷积神经网络,以及为什么它们在计算机视觉中得到了广泛的应用。 卷积是一个图像过滤器。它可以用来提取输入图像中具有共性的特征。 在此视频中,你将通过处理一张输入图像,看能否从中提取特征,来了解它的工作原理。 你也可以尝试一下这个Codelab: http://bit.ly/2lGoC5f



第四集: 你将学习如何构建一个剪刀,石头,布的分类器。 在第一集中,我们用这个例子展现了用传统代码来检测和分类它们的难度。 随着我们对机器学习的深入了解,我们已经学习了如何构建神经网络:从探测原始像素中的模式到对其进行分类,再到使用卷积检测特征。 在本集中,我们会将本系列前三集的所有内容都整合在一起。 Colab笔记:http://bit.ly/2lXXdw5, 剪刀, 石头, 布图像数据库: http://bit.ly/2kbV92O

我们希望你喜欢这个系列。如果你想了解更多,请与我们联系。
Next post
 Introducing TensorFlow Videos for a Global Audience: Chinese

Posted by the TensorFlow team

When the TensorFlow YouTube channel launched in 2018, we had a vision to inform and inspire developers around the world about what was possible with Machine Learning. With series like Coding TensorFlow showing how you can use it, and Made with TensorFlow showing inspirational stories about what people have done with TensorFlow and much more, the channel has grown gre…