- 课时1：Tensorflow课程简介 10:12
- 课时2：最新tensorflow2.2版本极简安装教程 10:42
- 课时3：Tensorflow 2.0 GPU版本的安装 09:37
- 课时4：机器学习原理-线性回归 13:48
- 课时5：Tf.keras实现线性回归 12:37
- 课时6：梯度下降算法 10:45
- 课时7：多层感知器（神经网络）与激活函数 09:37
- 课时8：多层感知器（神经网络）的代码实现 13:12
- 课时9：逻辑回归与交叉熵 05:33
- 课时10：逻辑回归的tensorflow实现 12:05
- 课时11：Softmax多分类 10:21
- 课时12：Softmax多分类的代码实现 12:43
- 课时13：独热编码和交叉熵损失函数 10:48
- 课时14：优化函数、学习速率和反向传播算法 11:47
- 课时15：网络优化与超参数选择 08:21
- 课时16：Dropout与网络参数选择总原则 12:56
- 课时17：Dropout与过拟合抑制 06:23
- 课时18：函数式API 14:18
- 课时19：Tensorflow课程框架介绍 08:52
