课程分类

课程介绍
课程目录
用户评论
课程介绍
课程目录
用户评论

你将获得

  • 掌握某些知识点
  • 学会某些技巧(或思路)

教学服务

  • icon

    1v1专属答疑服务

  • icon

    BAT专家面试辅导

课程详情

课程咨询、获取课件、技术交流直接加入博学谷在线学习:631731828

课程简介

本课程是特别针对人工智能感兴趣的零基础学习者研发的快速入门级课程,本着以最深入浅出的讲解形式、最通俗易懂的内容设置、最有趣丰富的游戏案例安排为教学宗旨,带领学习者轻松踏入人工智能的神秘领域。

Tensorflow是目前最有前途,最为广泛使用的深度学习框架,也是简单易于接受的深度学习框架。由于js语言“所见即所得”的高表现力,将使学习者的注意力更多的关注在知识学习上,因此使用tensorflow.js作为入门人工智能领域的语言,将是不二之选。
 

适合人群

1. 对人工智能感兴趣的零基础学习者

2. 渴望进入人工智能领域,但是数学基础又不好的学习者

3. 具有前端开发基础想进入人工智能领域的学习者

4. 具有程序语言基础的学习者(C++、Java、Python、Js等)。
 

学习收获

1.了解人工智能领域的基本概念,知其然并知其所以然

2. 轻松掌握人工智能经典游戏实现的底层原理

3. 能够举一反三、随心所欲的编写属于自己的人工智能小游戏

4. 能够无障碍的与其它语言的tensorflow对接
 

课程亮点

1.  内容讲解不涉及枯燥乏味的微积分,对数学基础不好的学习者十分友好

2.  丰富的游戏案例安排,给学习者打造一个边玩边学的轻松学习环境

3.  对游戏案例进行解剖式讲解,让学习者轻松掌握游戏实现的底层原理

4.  js语言的高表现性,让代码运行结果可视化

5.  问题引导式教学能够激活学习者的学习兴趣,让学习者保持高专注性

6.  随课赠送20个人工智能经典游戏的源码
 

主讲内容

 

1.  神经网络的决策原理,即线性的一维输入,一维的正向预测输出

2.  神经网络的监督训练原理,即反向回馈

3.  扩大神经网络的决策范围,采用多个输入,多个输出,并呈现曲线的结构,引入激活函数的概念。

4.  将监督学习,引入aotuencode的算法,完成非监督学习的概念讲解和应用

5.  用卷积神经网络,代替全神经网络,完成图片识别的案例讲解和原理解析

6.  使用神经网络+遗传算法,完成强化学习的概念讲解和应用

7.  讲解QLearning算法和DQN算法并实现走迷宫游戏

8.  讲解policy gradients算法并实现平衡杆游戏

9.  讲解Actor critic算法并实现竹蜻蜓游戏

10.自动驾驶实现
 

游戏案例介绍

1.坦克开炮游戏

坦克开炮游戏是人工智能教学领域的经典游戏,利用神经网络监督学习建立目标位置与炮弹发射角度的关联,实现百发百中的效果。  
 

2.车辆入库游戏

车辆入库是一个典型的多输入神经网络游戏,通过神经网络的监督学习实现根据三条传送带移动速度,准确预测车辆驶入传送带的位置。

 

3.合金弹头游戏

在游戏中,角色通过神经网络的Policy Gradient强化学习,让角色自动调整发射子弹的角度,增加击中目标的准确率。

 

4.弹球游戏

弹球游戏中,使用神经网络中DQN强化学习方式,通过一定时间的训练,能够精准控制横杆左右移动,接住每一次下落的小球。

 

5.手写数字识别

手写数字识别利用神经网络的卷积、池化的算法进行图片数据的压缩,再结合全神经网络的分组功能,65000张数字图片做为训练数据进行学习,提升对数字识别精准度,实现手写输入数字识别的效果。

 

6.直升机游戏

直升机游戏采用神经网络 Actor critic 进行半监督学习,控制带有惯性的角色躲避障碍物,随着训练时间的增加,可以得到近乎完美的飞行路线。

 

7.自动驾驶

自动驾驶案例依据现实环境中车辆自动驾驶为设计原型,持续收集车辆在行进中雷达射线检测的数据,通过神经网络强化学习(Policy Gradient或DQN)进行训练,实现车辆自动进行加速、减速以及躲避障碍物的效果。

案例通过3D场景展示车辆行进过程,左下角的窗口中展示车辆雷达的效果,可直观体验其工作的方式及原理。

 

温馨提示
  • 请勿私下交易
    请勿在平台外交易。与机构和老师私下交易造成的任何损失及纠纷,腾讯课堂不承担任何责任
  • 听课说明

    1、电脑:访问腾讯课堂官网 ke.qq.com 查看我的课表或下载win/mac客户端听课

    2、手机/平板:下载腾讯课堂APP, 进入学习页面听课