【生活中的未來語言 數學、Python、AI】13. 用全連結神經網路打造手寫辨識AI

摘要

複習神經網路核心觀念，並使用 TensorFlow 與 Keras 實作 MNIST 手寫數字辨識模型。學員將建立全連結神經網路，並透過 Gradio 製作可互動的網頁應用程式。

This course reviews neural network concepts and guides students to build a handwritten digit recognition model using TensorFlow and Keras, deploying it as a web app with Gradio.

這筆內容還沒有取得字幕或內文，這段摘要只根據標題與說明欄產生，可能不夠準確；實際內容請以原站為準。

提到的工具與公司

• TensorFlow
• Keras
• Gradio
• Colab
• WGET
• GDOWN
• MNIST
• ReLU

適合誰看

適合有程式基礎、想學習機器學習實作的初學者。

摘要依據

講者

蔡炎龍

依據

標題與說明欄（還沒有取得字幕或內文）

為什麼排在這裡

人氣

0.09

新鮮

0.58

在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算

相關內容

• 【生活中的未來語言 數學、Python、AI】14. CNN圖形辨識和遷移式學習影片 ・ Iveai - I've AI ・ 2 小時 34 分
• The spelled-out intro to neural networks and backpropagation: building micrograd影片 ・ Andrej Karpathy ・ 2 小時 26 分
• 【TAICA_生成式AI：文字與圖像生成的原理與實務】2. 呆萌型AI機器人影片 ・ Iveai - I've AI ・ 3 小時 3 分
• Building makemore Part 4: Becoming a Backprop Ninja影片 ・ Andrej Karpathy ・ 1 小時 55 分
• MIT 6.S191 (2025): Convolutional Neural Networks影片 ・ Alexander Amini ・ 1 小時 1 分
• MIT 6.S191: Convolutional Neural Networks影片 ・ Alexander Amini ・ 57 分鐘