Основы машинного обучения с TensorFlow
Эта программа предназначена для людей, которые:
- Новичок в ML, но имеющий промежуточный опыт программирования.
Этот контент предназначен для разработчиков, плохо знакомых с машинным обучением, на начальных этапах их пути к машинному обучению. Вы увидите, что многие ресурсы используют TensorFlow, однако эти знания можно перенести на другие структуры машинного обучения.
Шаг 1. Узнайте, что такое машинное обучение
TensorFlow 2.0 разработан, чтобы упростить построение нейронных сетей для машинного обучения, поэтому TensorFlow 2.0 использует API под названием Keras. Книга Deep Learning с Python Франсуа Chollet, создатель Keras, это прекрасное место , чтобы начать. Прочтите главы 1–4, чтобы понять основы машинного обучения с точки зрения программиста. Вторая половина книги углубляется в такие области, как компьютерное зрение, обработка естественного языка, генеративное глубокое обучение и другие. Не волнуйтесь, если эти темы сейчас слишком сложны, поскольку в свое время они станут более понятными.
В этой вводной книге представлен подход, основанный на коде, чтобы узнать, как реализовать наиболее распространенные сценарии машинного обучения, такие как компьютерное зрение, обработка естественного языка (NLP) и последовательное моделирование для веб-приложений, мобильных устройств, облачных сред и встроенных сред выполнения.
Эта книга представляет собой практическое введение в глубокое обучение с помощью Keras.
⬆ Или ⬇
Возьмите онлайновый курс , такие как Coursera в Введении к TensorFlow или Udacity в Введение в TensorFlow для глубокого обучения , оба из которых охватывают те же основы , как книги Франсуа. Вы также можете найти эти видео из 3blue1brown полезного, которые дают вам быстрые объяснения о том , как нейронные сети работают на математическом уровне.
Завершив этот шаг, вы узнаете, как работает машинное обучение, и подготовитесь к более глубокому изучению.
DeepLearning.AI
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 лучшим практикам 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 TensorFlow Developer Специализации , который берет вас за рамками основ в вводное моделирование Computer Vision, NLP, и последовательности.
Завершение этого шага является продолжением вашего введения и учит вас, как использовать TensorFlow для построения базовых моделей для различных сценариев, включая классификацию изображений, понимание тональности текста, генеративные алгоритмы и многое другое.
DeepLearning.AI
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 базе искусственного интеллекта в TensorFlow.
Шаг 3: Практика
Попробуйте некоторые из нашего TensorFlow Основных учебных пособий , которые позволят вам на практику концепции , которые вы выучили на этапах 1 и 2. Когда вы сделали, попробуйте некоторые из более продвинутых 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 , чтобы вернуться к Deep Learning с Python Франсуа и финишными главами 5-9. Вы также должны прочитать книгу Практические машинного обучения с Scikit-Learn, Keras и TensorFlow , по Орельен Герон. Эта книга знакомит с машинным обучением и глубоким обучением с использованием TensorFlow 2.0.
Завершение этого шага завершит ваши вводные знания об машинном обучении, включая расширение платформы для удовлетворения ваших потребностей.
Используя конкретные примеры, минимальную теорию и две готовые к работе среды Python - Scikit-Learn и TensorFlow - эта книга поможет вам получить интуитивное понимание концепций и инструментов для построения интеллектуальных систем.