tensorflow考证培训课程培训

1) 使用 TensorFlow 2.x 构建和训练神经网络模型
您需要了解使用 TensorFlow 2.x 进行机器学习 (ML) 和深层学习 (DL) 的基本原则
您需要了解如何：
❏ 使用 TensorFlow 2.x。
❏ 使用 TensorFlow 构建、编译和训练机器学习 (ML) 模型。
❏ 对数据进行处理，为在模型中使用做好准备。
❏ 使用模型预测结果。
❏ 使用多个层级构建依序模型。
❏ 构建和训练用于二进制分类的模型。
❏ 构建和训练用于多层级分类的模型。
❏ 针对已训练模型绘制损失和准确率曲线。
❏ 明确规避过拟合的策略，包括增强和丢弃。
❏ 使用预先训练过的模型（转移学习）。
❏ 从预先训练过的模型中提取功能。
❏ 确保输入模型的数据形状准确无误。
❏ 确保测试数据与神经网络的输入数据形状相符。
❏ 确保神经网络的输出数据与测试数据的制定输入数据形状相符。
❏ 了解数据的批量加载情况。
❏ 使用回调来触发训练周期的结束。
❏ 使用来自不同数据源的数据集。
❏ 使用不同格式的数据集，包括 json 和 csv.
❏ 使用来自 tf.data.datasets 的数据集。

2) 图片分类
您需要了解如何使用 TensorFlow 2.x，通过深度神经网络和卷积神经网络构建图片识别和物体检测模型。
 您需要了解如何：
❏ 使用 Conv2D 和池化层定义卷积神经网络。
❏ 构建和训练能够处理真实图片数据集的模型。
❏ 了解如何使用卷积来改进您的神经网络。
❏ 使用不同形状和尺寸的真实图片。
❏ 使用图片增强来避免过拟合。
❏ 使用 ImageDataGenerator。
❏ 了解 ImageDataGenerator 如何根据目录结构给图片添加标签。

3) 自然语言处理 (NLP)
您需要了解如何运用神经网络，使用 TensorFlow 来解决自然语言处理问题。
您需要了解如何：
❏ 使用 TensorFlow 来构建自然语言处理系统。
❏ 处理要在 TensorFlow 模型中使用的文本。
❏ 构建能够使用二进制类别来识别文本段类别的模型
❏ 构建能够使用多层级分类来识别文本段类别的模型
❏ 在 TensorFlow 模型中使用词语嵌入。
❏ 在模型中使用 LSTM 对文本进行二进制或多层级分类。
❏ 为模型添加 RNN 层和 GRU 层。
❏ 在用于处理文本的模型中使用 RNNS、LSTM、GRU 和 CNN。
❏ 在现有文本中训练 LSTM，用于生成文本（例如歌曲和诗歌）

4) 时间序列、序列和预测
您需要了解如何在 TensorFlow 中解决时间序列和预测问题。
您需要了解如何：
❏ 训练、调试和使用时间序列、序列和预测模型。
❏ 为时间序列学习准备数据。
❏ 了解平均绝对误差 (MAE) 及其如何用于评估序列模型的准确性。
❏ 为时间序列、序列和预测模型使用 RNN 和 CNN。
❏ 明确在哪些情况下应该使用拖尾窗口，在哪些情况下应该使用居中窗口。
❏ 使用 TensorFlow 进行预测。
❏ 准备功能和标签。
❏ 识别和补偿序列偏见。
❏ 动态调整时间序列、序列和预测模型中的学习率。