Nozioni di base sull'apprendimento automatico con TensorFlow
Questo curriculum è per le persone che sono:
- Nuovo in ML, ma che ha un background di programmazione intermedio
Questo contenuto ha lo scopo di guidare gli sviluppatori che non conoscono il ML attraverso le fasi iniziali del loro percorso ML. Vedrai che molte delle risorse utilizzano TensorFlow, tuttavia, la conoscenza è trasferibile ad altri framework di machine learning.
Passaggio 1: capisci di cosa tratta il ML
TensorFlow 2.0 è progettato per semplificare la creazione di reti neurali per l'apprendimento automatico, motivo per cui TensorFlow 2.0 utilizza un'API chiamata Keras. Il libro Deep Learning with Python di Francois Chollet, creatore di Keras, è un ottimo punto di partenza. Leggi i capitoli 1-4 per comprendere i fondamenti del ML dal punto di vista del programmatore. La seconda metà del libro approfondisce aree come Computer Vision, Natural Language Processing, Generative Deep Learning e altro ancora. Non preoccuparti se questi argomenti sono troppo avanzati in questo momento poiché avranno più senso a tempo debito.
Questo libro introduttivo fornisce un approccio basato sul codice per apprendere come implementare gli scenari ML più comuni, come la visione artificiale, l'elaborazione del linguaggio naturale (NLP) e la modellazione di sequenze per runtime Web, mobili, cloud e incorporati.
Questo libro è un'introduzione pratica e pratica al Deep Learning con Keras.
⬆ Oppure ⬇
Segui un corso online come Introduzione a TensorFlow di Coursera o Introduzione a TensorFlow per Deep Learning di Udacity , che trattano entrambi gli stessi fondamenti del libro di Francois. Potresti anche trovare utili questi video di 3blue1brown, che forniscono spiegazioni rapide su come funzionano le reti neurali a livello matematico.
Il completamento di questo passaggio ti fornirà le basi di come funziona il ML, preparandoti ad approfondire.
DeepLearning.AI
Introduzione a TensorFlow per AI, ML e Deep LearningSviluppato in collaborazione con il team di TensorFlow, questo corso fa parte della specializzazione per sviluppatori TensorFlow e ti insegnerà le migliori pratiche per l'utilizzo di TensorFlow.
In questo corso online sviluppato dal team TensorFlow e Udacity imparerai come creare applicazioni di deep learning con TensorFlow.
Passaggio 2: oltre le basi
Prendi la specializzazione per sviluppatori TensorFlow , che ti porta oltre le nozioni di base nella modellazione introduttiva di Computer Vision, NLP e Sequence.
Il completamento di questo passaggio continua la tua introduzione e ti insegna come utilizzare TensorFlow per creare modelli di base per una varietà di scenari, tra cui classificazione delle immagini, comprensione del sentimento nel testo, algoritmi generativi e altro ancora.
DeepLearning.AI
Specializzazione per sviluppatori TensorFlowIn questa specializzazione di quattro corsi insegnata da uno sviluppatore TensorFlow, esplorerai gli strumenti e gli sviluppatori software utilizzati per creare algoritmi scalabili basati sull'intelligenza artificiale in TensorFlow.
Passaggio 3: esercitati
Prova alcuni dei nostri tutorial di TensorFlow Core , che ti permetteranno di mettere in pratica i concetti appresi nei passaggi 1 e 2. Quando hai finito, prova alcuni degli esercizi più avanzati.
Il completamento di questo passaggio migliorerà la tua comprensione dei concetti e degli scenari principali che incontrerai durante la creazione di modelli ML.
Passaggio 4: approfondisci con TensorFlow
Ora è il momento di tornare a Deep Learning con Python di Francois e finire i capitoli 5-9. Dovresti anche leggere il libro Hands-on Machine Learning con Scikit-Learn, Keras e TensorFlow , di Aurelien Geron. Questo libro introduce il ML e l'apprendimento profondo utilizzando TensorFlow 2.0.
Il completamento di questo passaggio completerà la tua conoscenza introduttiva del ML, inclusa l'espansione della piattaforma per soddisfare le tue esigenze.
Utilizzando esempi concreti, teoria minima e due framework Python pronti per la produzione, Scikit-Learn e TensorFlow, questo libro ti aiuta a ottenere una comprensione intuitiva dei concetti e degli strumenti per la creazione di sistemi intelligenti.