Coursera 又有 TensorFlow 專項課程了，這回的主要內容放在了 TensorFlow.js、TensorFlow Lite 等 web 或移動端的使用。
大家都很熟悉吳恩達了。他開設的 Coursera 機器學習課程可以說是很多初學者的「白月光」。近日，他創始的 deeplearning.ai 在 Coursera 上另外開設了一門課程，主要介紹使用 Tensorflow.js、TensorFlow Lite、TensorFlow Hub 等工具進行數據分析的方法。該專項課程已於今日開放註冊。吳恩達對課程進行了轉推。
課程地址：https://www.coursera.org/specializations/tensorflow-data-and-deployment
TensorFlow 是深度學習中最著名的框架之一，絕大多數人都已經掌握了基本的使用方法。如果要更上一層樓，選擇本課程無疑是一個好方法。據介紹，這門課程可以幫助學習者了解很多應用場景，並發現訓練模型中的高效方法。該專項課程總共分為四個部分，主旨在於幫助學習者了解如何讓機器學習模型從實驗階段走向實際應用。首先，你可以了解到在瀏覽器和行動裝置中訓練模型。同時，你可以學習如何僅用幾行代碼使用內置數據集、完成數據分割和處理各種非結構化數據的工作。最後，你還能了解很多應用場景，並了解 TensorFlow Serving、TensorFlow Hub、TensorBoard 等。
整個專項課程的授課由谷歌大腦（Google Brain）的 Laurence Moroney 來完成的。Laurence Moroney 是谷歌的 AI Advocate，致力於使用 TensorFlow 來開發並構建人工智慧相關的應用。他曾發表了很多編程書籍，現在在視頻培訓領域與 deeplearning.ai 和 Coursera 展開合作。
目前，這項課程分為四個專項課程，其中第一、二專項已放出了具體的教學大綱和內容，第三、四專項課程預計很快機會更新了。
專項課程一：Browser-based Models with TensorFlow.js這一課程講授如何利用 TensorFlow.js 在任何瀏覽器中訓練和運行機器學習模型。你會學習在瀏覽器中處理數據的方法，並最終創建一個從攝像頭中進行目標識別和分類的計算機視覺項目。
在第一周課中，你可以學習如何在瀏覽器中訓練模型，並進行推斷。這其中也包括在像 Node.js 後端中使用；第二周關注計算機視覺問題，包括使用 JavaScript 進行圖像分類訓練。課程結束時，你能夠學會搭建一個網站，並進行手寫體識別；第三周的課程會關注使用 TensorFlow（Python 版）搭建模型，然後將其轉換為 Json 格式，讓瀏覽器使用。要學習的模型包括有害內容分類——使用 NLP 文本分類模型過濾有害文本，以及使用 Mobilenet 來檢測圖像；這門課的最後一周，你可以學到在瀏覽器匯總建立機器學習應用，並使用遷移學習。這其中包括使用 TensorFlow.js 構建網站，使用網絡攝像頭獲取數據、使用預訓練的 mobilenet 檢測石頭剪刀布的手勢。
專項課程二：Device-based Models with TensorFlow Lite在這一課程中，你可以學到在移動應用中運行深度學習模型，包括在低功耗設備上準備模型，在安卓或 iOS 端運行模型等。最後你可以探索如何在嵌入式設備中使用 TensorFlow，如樹莓派和微控制器等。
第一周主要是介紹 TensorFlow Lite、它的工作方式以及主要的學習目標，例如如何將模型從 TensorFlow 轉換到 TensorFlow Lite 格式、了解用來測試這些模型的 TensorFlow Lite 解釋器等；
在安卓 APP 上運行 TensorFlow 模型第二周的主題是在安卓 APP 上運行 TensorFlow 模型。使用 TensorFlow Lite 可以在安卓端運行模型，進而能夠將機器學習（ML）帶到這些設備類型中；第三周講授在 IOS 端創建和運行 TensorFlow 模型。學習者需要掌握一些有關 IOS 端 Swift 的編程知識，即使不具備相關編程知識，你也可以學習創建各種 ML 應用並在 IOS 端運行；最後一周的主題是如何在樹莓派等嵌入式系統上運行 TensorFlow 模型。總之，通過此專項課程的學習，你將可以學習到 TensorFlow、高級部署、目標檢測等專項技能，相信也將有助於你更快、更準確地開發和部署跨任何設備或平臺的機器學習模型。
點擊閱讀原文，立即訪問。