1) 使用 TensorFlow 2.x 構建和訓練神經網絡模型
您需要了解使用 TensorFlow 2.x 進行機器學習 (ML) 和深層學習 (DL) 的基本原則
您需要了解如何：
? 使用 TensorFlow 2.x。
? 使用 TensorFlow 構建、編譯和訓練機器學習 (ML) 模型。
? 對數據進行處理，為在模型中使用做好準備。
? 使用模型預測結果。
? 使用多個層級構建依序模型。
? 構建和訓練用于二進制分類的模型。
? 構建和訓練用于多層級分類的模型。
? 針對已訓練模型繪制損失和準確率曲線。
? 明確規避過擬合的策略，包括增強和丟棄。
? 使用預先訓練過的模型（轉移學習）。
? 從預先訓練過的模型中提取功能。
? 確保輸入模型的數據形狀準確無誤。
? 確保測試數據與神經網絡的輸入數據形狀相符。
? 確保神經網絡的輸出數據與測試數據的制定輸入數據形狀相符。
? 了解數據的批量加載情況。
? 使用回調來觸發訓練周期的結束。
? 使用來自不同數據源的數據集。
? 使用不同格式的數據集，包括 json 和 csv.
? 使用來自 tf.data.datasets 的數據集。

2) 圖片分類
您需要了解如何使用 TensorFlow 2.x，通過深度神經網絡和卷積神經網絡構建圖片識別和物體檢測模型。
?您需要了解如何：
? 使用 Conv2D 和池化層定義卷積神經網絡。
? 構建和訓練能夠處理真實圖片數據集的模型。
? 了解如何使用卷積來改進您的神經網絡。
? 使用不同形狀和尺寸的真實圖片。
? 使用圖片增強來避免過擬合。
? 使用 ImageDataGenerator。
? 了解 ImageDataGenerator 如何根據目錄結構給圖片添加標簽。

3) 自然語言處理 (NLP)
您需要了解如何運用神經網絡，使用 TensorFlow 來解決自然語言處理問題。
您需要了解如何：
? 使用 TensorFlow 來構建自然語言處理系統。
? 處理要在 TensorFlow 模型中使用的文本。
? 構建能夠使用二進制類別來識別文本段類別的模型
? 構建能夠使用多層級分類來識別文本段類別的模型
? 在 TensorFlow 模型中使用詞語嵌入。
? 在模型中使用 LSTM 對文本進行二進制或多層級分類。
? 為模型添加 RNN 層和 GRU 層。
? 在用于處理文本的模型中使用 RNNS、LSTM、GRU 和 CNN。
? 在現有文本中訓練 LSTM，用于生成文本（例如歌曲和詩歌）

4) 時間序列、序列和預測
您需要了解如何在 TensorFlow 中解決時間序列和預測問題。
您需要了解如何：
? 訓練、調試和使用時間序列、序列和預測模型。
? 為時間序列學習準備數據。
? 了解平均絕對誤差 (MAE) 及其如何用于評估序列模型的準確性。
? 為時間序列、序列和預測模型使用 RNN 和 CNN。
? 明確在哪些情況下應該使用拖尾窗口，在哪些情況下應該使用居中窗口。
? 使用 TensorFlow 進行預測。
? 準備功能和標簽。
? 識別和補償序列偏見。
? 動態調整時間序列、序列和預測模型中的學習率。