Dasar-dasar pembelajaran mesin dengan TensorFlow
Kurikulum ini diperuntukkan bagi orang-orang yang:
- Baru mengenal ML, tetapi memiliki latar belakang pemrograman tingkat menengah
Konten ini dimaksudkan untuk memandu pengembang yang baru mengenal ML melalui tahap awal perjalanan ML mereka. Anda akan melihat bahwa banyak sumber daya menggunakan TensorFlow, namun pengetahuannya dapat ditransfer ke framework pembelajaran mesin lainnya.
Langkah 1: Pahami apa itu ML
TensorFlow 2.0 dirancang untuk memudahkan pembuatan jaringan neural untuk pembelajaran mesin, itulah sebabnya TensorFlow 2.0 menggunakan API yang disebut Keras. Buku Pembelajaran Mendalam dengan Python oleh Francois Chollet, pencipta Keras, adalah tempat yang bagus untuk memulai. Baca bab 1-4 untuk memahami dasar-dasar ML dari sudut pandang programmer. Paruh kedua buku ini mempelajari bidang-bidang seperti Computer Vision, Natural Language Processing, Generative Deep Learning, dan banyak lagi. Jangan khawatir jika topik-topik ini sudah terlalu maju saat ini karena akan lebih masuk akal suatu saat nanti.
Buku pengantar ini memberikan pendekatan yang mengutamakan kode untuk mempelajari cara mengimplementasikan skenario ML yang paling umum, seperti visi komputer, pemrosesan bahasa alami (NLP), dan pemodelan urutan untuk runtime web, seluler, cloud, dan tertanam.
Buku ini adalah pengantar praktis dan langsung tentang Pembelajaran Mendalam dengan Keras.
⬆ Atau ⬇
Ikuti kursus online seperti Pengantar TensorFlow dari Coursera atau Pengantar TensorFlow untuk Pembelajaran Mendalam dari Udacity , yang keduanya mencakup dasar-dasar yang sama dengan buku Francois. Anda mungkin juga menemukan video dari 3blue1 brown ini bermanfaat, yang memberi Anda penjelasan singkat tentang cara kerja jaringan saraf pada tingkat matematika.
Menyelesaikan langkah ini akan memberi Anda dasar-dasar cara kerja ML, dan mempersiapkan Anda untuk mendalami lebih dalam.
Pembelajaran Mendalam.AI
Pengantar TensorFlow untuk AI, ML, dan Deep LearningDikembangkan melalui kolaborasi dengan tim TensorFlow, kursus ini merupakan bagian dari Spesialisasi Developer TensorFlow dan akan mengajarkan Anda praktik terbaik dalam menggunakan TensorFlow.
Dalam kursus online yang dikembangkan oleh tim TensorFlow dan Udacity ini, Anda akan mempelajari cara membuat aplikasi pembelajaran mendalam dengan TensorFlow.
Langkah 2: Melampaui dasar-dasarnya
Ambil Spesialisasi Pengembang TensorFlow , yang membawa Anda melampaui dasar-dasar ke dalam pengenalan Computer Vision, NLP, dan pemodelan Sequence.
Menyelesaikan langkah ini akan melanjutkan perkenalan Anda, dan mengajari Anda cara menggunakan TensorFlow untuk membuat model dasar untuk berbagai skenario, termasuk klasifikasi gambar, memahami sentimen dalam teks, algoritme generatif, dan banyak lagi.
Pembelajaran Mendalam.AI
Spesialisasi Pengembang TensorFlowDalam empat kursus Spesialisasi yang diajarkan oleh pengembang TensorFlow, Anda akan menjelajahi alat dan perangkat lunak yang digunakan pengembang untuk membangun algoritme bertenaga AI yang skalabel di TensorFlow.
Langkah 3: Latihan
Cobalah beberapa tutorial TensorFlow Core kami, yang memungkinkan Anda mempraktikkan konsep yang Anda pelajari di langkah 1 dan 2. Setelah selesai, cobalah beberapa latihan lanjutan.
Menyelesaikan langkah ini akan meningkatkan pemahaman Anda tentang konsep dan skenario utama yang akan Anda temui saat membuat model ML.
Langkah 4: Pelajari lebih dalam dengan TensorFlow
Sekarang saatnya kembali ke Deep Learning dengan Python oleh Francois dan menyelesaikan bab 5-9. Anda juga harus membaca buku Pembelajaran Mesin Praktis dengan Scikit-Learn, Keras, dan TensorFlow , oleh Aurelien Geron. Buku ini memperkenalkan ML dan deep learning menggunakan TensorFlow 2.0.
Menyelesaikan langkah ini akan melengkapi pengetahuan pengantar Anda tentang ML, termasuk memperluas platform untuk memenuhi kebutuhan Anda.
Dengan menggunakan contoh nyata, teori minimal, dan dua kerangka kerja Python yang siap produksi—Scikit-Learn dan TensorFlow—buku ini membantu Anda memperoleh pemahaman intuitif tentang konsep dan alat untuk membangun sistem cerdas.