相信我的很多读者都学习过吴恩达在 Coursera 上开设的 《Machine Learning》和 《Deep Learning Specialization》课程。这两门课分别针对机器学习和深度学习，作为入门课程再合适不过了！
然而，就在 8 月 2 号，吴恩达又在 Coursera 上线了新的《TensorFlow in Practice》专项课程。显然，这门专项课程更加注重实践，而且使用现在最火热的深度学习框架 TensorFlow。课程一出，一天不到的时间就有 8000 多人注册了。
首先放上这门专项课程的主页：
https://www.deeplearning.ai/tensorflow-in-practice/
课程内容
如果你是一个软件开发人员，想要构建可扩展的人工智能算法，你需要了解如何使用这些工具来构建它们。这个专项课程将教您使用 TensorFlow 的最佳实践，这是一个流行的开放源码机器学习框架。在这些课程中，您将得到：
- 学习如何在 TensorFlow 中构建机器学习模型
- 利用深神经网络和卷积神经网络建立图像识别算法
- 了解如何在移动和网络上部署您的模型
- 超越图像识别，进入对象检测、文本识别等领域
- 扩展用于自定义学习/培训的基本API
可见，这门课专注于“实践”！
其实，吴恩达的这门专项课程并不是刚刚开始注册，之前红色石头就发文介绍过这门新课。不过，当时这门专项课程仅仅开设了两门课程，并不完整。8 月 2 号，这门专项课程已经更新完整了，总共包含四门课。
1、《TensoFlow 和机器学习、深度学习的介绍》
在TensorFlow中构建计算机视觉的基本神经网络，以及如何使用卷积来改善神经网络。
2、《TenSorFlow 中的卷积神经网络》
使用数据扩增、dropout、迁移学习来改进计算机视觉模型。
3、《TenSorFlow 中的自然语言处理》
语言中的情感分析、单词嵌入、LSTM、序列模型预测单词等内容。
4、《序列、时间序列和预测》
时间序列的深度神经网络（DNN）、循环神经网络（RNN）、真实世界的时间序列数据。
其中，每个课程都将持续 4 周时间，每周需要 4~5 小时完成课程。
该专项课程的注册地址：
https://www.coursera.org/specializations/tensorflow-in-practice
课程特色
该专项课程对学员的知识要求并不高，只需要具有基本的 Python 编程和高中数学基础即可。可能读者最关心的一点是，它到底教的是 TF 1.x 还是 2.0？其所有练习都是在 Colab 上完成的、代码在 TF 1.x 和 2.0 之间是通用的等。如下图所示为课程练习题页面，代码放在贼好用的 Colab 上都不需要本地计算力。
如果你是软件开发者，想要试一试深度学习 APP，那么你可以上这门课；如果你是机器学习入门者，除了众多的理论公开课外还想学一学怎样搭个模型，那么这门课可以补足你的动手能力。
课程注册
该课程的价格是 49 美元每月，如果不喜欢包月模式，还可以 49 美元单独买下每个课程。完成注册后，你可以学习所有课程，并且完成作业后可以获得证书。
当然，如果你只想观看视频，有个更简单的方法就是每门课单独注册，然后选择“旁听”！
注意：一定要单独注册每门课程才能选择旁听哦！
课程讲师
整个 TensorFlow 系列课程的讲师是吴恩达与谷歌大脑的 Laurence Moroney，前面两课的主讲都是 Laurence Moroney。
最后，再次放上该专项课程的主页和注册地址：
https://www.deeplearning.ai/tensorflow-in-practice/
https://www.coursera.org/specializations/tensorflow-in-practice
