当 TensorFlow YouTube 频道于 2018 年推出时，我们有一个愿景，就是让全球的开发人员了解机器学习的可能性，并激发他们的灵感。 通过像 Coding TensorFlow 这样的系列，展示如何使用它，以及 Made with TensorFlow 展示人们使用 TensorFlow 所取得的成就，以及更多内容，该频道发展迅速。 但我们学到了一项重要的经验：这是一个全球现象，要有效地触及全球受众，我们应该用多种语言提供我们最好的内容，并邀请母语人士来进行演示。 请查看热门的 从零到英雄系列 的韩语版本！

使用 TensorFlow 进行机器学习：从零到英雄

如今，在互联网、报纸或书籍中，很难找到没有提到机器学习和人工智能的地方。 随着人们对它的期望越来越高，也涌现了大量相关信息。 考虑到这一点，TensorFlow 团队的 Laurence Moroney 制作了一个四集视频系列，从开发人员的角度阐述了机器学习的真正含义。 该系列基于 Google IO 2019 上广受好评的主题演讲：“机器学习：使用 TensorFlow 从零到英雄”。



第一个视频 介绍了机器学习这种新的编程范式。 与使用 Java 或 C++ 等语言编写显式规则的编程方式不同，机器学习使用数据来创建可以自行推断规则的系统。 但是，机器学习到底是如何实现的呢？ 本视频通过逐步讲解一个创建机器学习模型的简单示例来介绍相关概念。 在接下来的视频中，我们将把这些概念应用到更有趣的问题，比如计算机视觉。



第二个视频 涵盖了基于机器学习的简单计算机视觉。 它解释了如何教计算机识别不同的物体。 在这里，您可以运行视频中的示例：https://goo.gle/34cHkDk



第三个视频 解释了卷积神经网络的基本概念，以及它在计算机视觉中发挥至关重要的作用的原因。 卷积是一种滤波器，可以应用于图像并对其进行处理以提取图像中常见的特征。 本视频演示了卷积的工作原理。 您可以查看图像的处理过程，并尝试自己提取特征！ 您也可以通过 Codelab 来进行体验：http://bit.ly/2lGoC5f



第四个视频 讨论了如何创建一个识别剪刀石头布手势的图像分类器。 在第一个视频中，我们介绍了剪刀石头布游戏的场景，并讨论了编写识别和分类该游戏的代码有多困难。 在接下来的视频中，我们学习了机器学习，创建了能够识别像素中模式的神经网络，以及使用卷积提取特征的方法。 本视频将所有这些内容整合在一起。 Colab 笔记本：http://bit.ly/2lXXdw5。 剪刀石头布数据集：http://bit.ly/2kbV92O

希望您喜欢这个视频系列。 如果您想观看更多内容，请告诉我！