Основы машинного обучения с TensorFlow
Эта учебная программа предназначена для людей, которые:
- Новичок в ML, но имеющий средний опыт программирования
Этот контент предназначен для разработчиков, плохо знакомых с ML, на начальных этапах их пути к ML. Вы увидите, что многие ресурсы используют TensorFlow, однако знания можно перенести в другие среды машинного обучения.
Шаг 1. Поймите, что такое машинное обучение
TensorFlow 2.0 разработан, чтобы упростить создание нейронных сетей для машинного обучения, поэтому TensorFlow 2.0 использует API под названием Keras. Книга Франсуа Шолле, создателя Keras, « Глубокое обучение с помощью Python » — отличное место для начала. Прочтите главы 1–4, чтобы понять основы машинного обучения с точки зрения программиста. Вторая половина книги посвящена таким областям, как компьютерное зрение, обработка естественного языка, генеративное глубокое обучение и многим другим. Не беспокойтесь, если эти темы сейчас слишком сложны, так как в свое время они станут более понятными.
В этой вводной книге представлен подход, ориентированный на код, чтобы узнать, как реализовать наиболее распространенные сценарии машинного обучения, такие как компьютерное зрение, обработка естественного языка (NLP) и моделирование последовательности для веб-сред, мобильных, облачных и встроенных сред выполнения.
Эта книга представляет собой практическое введение в Deep Learning with Keras.
⬆ Или ⬇
Пройдите онлайн-курс, например « Введение в TensorFlow » от Coursera или « Введение в TensorFlow для глубокого обучения » от Udacity, оба из которых охватывают те же основы, что и книга Франсуа. Вам также могут быть полезны эти видеоролики от 3blue1brown, которые дают вам краткое объяснение того, как нейронные сети работают на математическом уровне.
Выполнение этого шага даст вам основы работы машинного обучения и подготовит вас к более глубокому изучению.
Глубокое обучение.ИИ
Введение в TensorFlow для искусственного интеллекта, машинного обучения и глубокого обученияЭтот курс, разработанный в сотрудничестве с командой TensorFlow, является частью специализации разработчиков TensorFlow и научит вас передовым методам использования TensorFlow.
В этом онлайн-курсе, разработанном командой TensorFlow и Udacity, вы узнаете, как создавать приложения для глубокого обучения с помощью TensorFlow.
Шаг 2: Помимо основ
Возьмите специализацию TensorFlow Developer , которая выведет вас за рамки основ и познакомит с компьютерным зрением, НЛП и моделированием последовательностей.
Выполнение этого шага продолжает введение и учит вас, как использовать TensorFlow для создания базовых моделей для различных сценариев, включая классификацию изображений, понимание тональности в тексте, генеративные алгоритмы и многое другое.
Глубокое обучение.ИИ
Специализация разработчика TensorFlowВ этой специализации из четырех курсов, которую преподает разработчик TensorFlow, вы изучите инструменты и программное обеспечение, которые разработчики используют для создания масштабируемых алгоритмов на основе ИИ в TensorFlow.
Шаг 3: Практика
Попробуйте некоторые из наших руководств по TensorFlow Core , которые позволят вам попрактиковаться в концепциях, изученных на шагах 1 и 2. Когда вы закончите, попробуйте некоторые из более сложных упражнений.
Выполнение этого шага улучшит ваше понимание основных концепций и сценариев, с которыми вы столкнетесь при построении моделей машинного обучения.
Шаг 4. Углубитесь с TensorFlow
Теперь пришло время вернуться к « Глубокому обучению с помощью Python » Франсуа и закончить главы 5–9. Вам также следует прочитать книгу « Практическое машинное обучение с помощью Scikit-Learn, Keras и TensorFlow» Орельена Герона. Эта книга знакомит с машинным обучением и глубоким обучением с использованием TensorFlow 2.0.
Выполнение этого шага дополнит ваши начальные знания об машинном обучении, включая расширение платформы в соответствии с вашими потребностями.
Используя конкретные примеры, минимальную теорию и две готовые к работе среды Python — Scikit-Learn и TensorFlow — эта книга поможет вам получить интуитивное представление о концепциях и инструментах для создания интеллектуальных систем.