Coursera 再次推出了 TensorFlow 专项课程，这次的重点放在了 TensorFlow.js 和 TensorFlow Lite 等适用于网页或移动设备的应用上。

大家对吴恩达并不陌生。他开设的 Coursera 机器学习课程深受许多初学者的喜爱。最近，他创立的 deeplearning.ai 在 Coursera 上新增了一门课程，主要介绍如何使用 TensorFlow.js、TensorFlow Lite 和 TensorFlow Hub 等工具来进行数据分析。该专项课程现已开放注册，吴恩达也在社交媒体上进行了推广。

这门课程旨在帮助学习者掌握更多应用场景，并提供高效的模型训练方法。课程共分四个部分，目前已有两个部分发布。

新课程关注数据分析应用

TensorFlow 是深度学习领域的重要框架之一，大多数人都已经掌握了其基本用法。若想进一步提升，这门课程无疑是个不错的选择。课程可以帮助学习者了解多种应用场景，并掌握高效的模型训练方法。

课程目标

该专项课程共分为四个模块，旨在帮助学习者了解如何将机器学习模型从实验阶段推向实际应用。首先，你将学会如何在浏览器和移动设备上训练模型。此外，你还将学习如何利用少量代码处理内置数据集、实现数据分割以及处理各种非结构化数据。最后，你还会接触到许多实际应用场景，并了解 TensorFlow Serving、TensorFlow Hub 和 TensorBoard 等工具的使用方法。

主讲教师

整个专项课程由谷歌大脑（Google Brain）的 Laurence Moroney 讲授。Moroney 是谷歌的 AI Advocate，专注于运用 TensorFlow 开发和构建人工智能应用。他撰写了多本编程书籍，并在视频培训领域与 deeplearning.ai 和 Coursera 合作。

课程大纲

目前，该课程分为四个模块，其中前两个模块已经发布了详细的教学大纲和内容，后两个模块预计很快也会更新。

第一个模块：在浏览器中使用 TensorFlow.js

这个模块将教你如何使用 TensorFlow.js 在任何浏览器中训练和运行机器学习模型。你将学习如何处理浏览器中的数据，并最终完成一个从摄像头中进行目标识别和分类的计算机视觉项目。

学习计划

• 第一周：了解如何在浏览器中训练和推断模型，包括在 Node.js 后端中的应用。
• 第二周：学习计算机视觉任务，包括使用 JavaScript 进行图像分类训练，并搭建一个网站进行手写体识别。
• 第三周：学习如何使用 TensorFlow（Python 版）构建模型，并将其转换为 JSON 格式，以便在浏览器中使用。包括有害内容分类（使用 NLP 文本分类模型过滤有害文本）和图像检测。
• 第四周：学习如何在浏览器中建立机器学习应用，并使用迁移学习。这包括使用 TensorFlow.js 构建网站，利用网络摄像头获取数据，并使用预训练的 MobileNet 进行手势识别。

第二个模块：在设备上使用 TensorFlow Lite

在这个模块中，你将学习如何在移动应用中运行深度学习模型，包括如何在低功耗设备上准备模型，以及如何在安卓或 iOS 端运行模型。你还将探索如何在嵌入式设备中使用 TensorFlow，如树莓派和微控制器等。

学习计划

• 第一周：了解 TensorFlow Lite 的工作原理及其主要目的，如将模型从 TensorFlow 转换为 TensorFlow Lite 格式，并了解如何使用 TensorFlow Lite 解释器进行测试。
• 第二周：学习如何在安卓应用中运行 TensorFlow 模型，利用 TensorFlow Lite 将机器学习引入这些设备。
• 第三周：学习如何在 iOS 端创建和运行 TensorFlow 模型。即使不具备 Swift 编程知识，你也可以学习如何创建各种机器学习应用并在 iOS 端运行。
• 第四周：学习如何在树莓派等嵌入式系统上运行 TensorFlow 模型。

通过这个专项课程的学习，你将掌握 TensorFlow、高级部署及目标检测等技能，从而能够更快、更准确地开发和部署跨任何设备或平台的机器学习模型。