一、课程回顾

理论知识：机器学习、神经网络、Tensorflow.js
经典案例：线性回归、逻辑回归、XOR、IRIS、手写数字识别、商标识别、语音识别
神经网络模型：从单个神经元到深度神经网络
神经网络模型算法：①MSE/Log/Cross Entropy；②Sigmoid/Relu/Softmax；③SGD/Adam
炼丹最佳实践：归一化、欠（过）拟合、可视化、度量
模型的迁移学习、保存、加载、转换

二、重点难点

机器学习与神经网络的理论知识
神经网络模型结构的构造
模型的训练、迁移学习、转换

三、经验心得

仔细参考 Tensorflow.js API 文档
使用 Github 搜索 Tensorflow.js 资源
举一反三，解决实际问题

四、拓展建议

1、建议

使用更多的预训练模型，如目标检测、NLP、人体姿态识别
Google 机器学习速成教程
做更多智能相关的开源项目或商业项目，增加技术影响力

2、应用

目标检测：游戏里面人物的移动、手势识别（切水果、在电脑面前挥舞）

NLP：对着售票机说我想订一张xxx的机票

人体姿态识别：体感类游戏，比如跳舞

图像识别：淘宝抠图用的是图像识别