推出 TensorFlow 中文视频：机器学习从零到一（系列之二）

2020 年 2 月 7 日 AINLP

文 / TensorFlow team

我们在 2018 年就创建了 TensorFlow 的 YT 频道，同时也在将视频同步在了 Youku、Bilibili、腾讯视频等平台上，我们始终有一个愿景，让全世界的更多开发者能够了解与学习机器学习的相关知识。

我们推出了如 Coding TensorFlow 系列，向开发者们展示如何使用 TensorFlow；Made with TensorFlow 系列，展示开发者们使用 TensorFlow 实现的一些奇思妙想，希望鼓励更多开发者创新……同时，我们的内容形式也在不断发展……

我们始终知道，想要更有效地触及到全球的开发者，我们应当提供多样化的语言，并由同母语的讲师进行展示。

现在，我们推出了 TensorFlow 中文视频，让我们来一起学习吧！

机器学习：从零到一学习 TensorFlow

无论我们在上网、读书、看报的时候，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，制作一个系列视频，向大家介绍机器学习到底是什么。

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)，这一系列基于他在 2019 年谷歌 I/O 大会上的热门演讲。

热门演讲
https://v.youku.com/v_show/id_XNDE3NjYwMjU2MA

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如何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。

本文转载自公众号TensorFlow，作者Google

推荐阅读

AINLP年度阅读收藏清单

中文NER任务实验小结报告——深入模型实现细节

大幅减少GPU显存占用：可逆残差网络(The Reversible Residual Network)

鼠年春节，用 GPT-2 自动写对联和对对联

transformer-XL与XLNet笔记

AINLP-DBC GPU 云服务器租用平台建立，价格足够便宜

征稿启示 | 稿费+GPU算力+星球嘉宾一个都不少

关于AINLP

AINLP 是一个有趣有AI的自然语言处理社区，专注于 AI、NLP、机器学习、深度学习、推荐算法等相关技术的分享，主题包括文本摘要、智能问答、聊天机器人、机器翻译、自动生成、知识图谱、预训练模型、推荐系统、计算广告、招聘信息、求职经验分享等，欢迎关注！加技术交流群请添加AINLP君微信(id：AINLP2)，备注工作/研究方向+加群目的。