Google is committed to advancing racial equity for Black communities. See how.

Grundlagen des maschinellen Lernens mit TensorFlow

Bevor Sie mit den folgenden Lernmaterialien beginnen, beachten Sie bitte Folgendes:

  • Sie haben Erfahrung in der Softwareentwicklung, insbesondere in Python

Dieses Curriculum richtet sich an Personen, die:

  • Neu bei ML, aber mit Informatik- oder Entwicklungshintergrund

Dieser Inhalt soll Entwickler, die mit ML neu sind, durch die Anfangsphase ihrer ML-Reise führen. Sie werden sehen, dass viele der Ressourcen TensorFlow verwenden, das Wissen jedoch auf andere Frameworks für maschinelles Lernen übertragbar ist.

Schritt 1: Verstehen Sie, worum es bei ML geht

TensorFlow 2.0 wurde entwickelt, um den Aufbau neuronaler Netze für maschinelles Lernen zu vereinfachen, weshalb TensorFlow 2.0 eine API namens Keras verwendet. Das Buch ‚ Deep Learning in Python ‘ durch Francois Chollet, der Schöpfer von Keras, ist ein großartiger Ort , um loszulegen. Lesen Sie die Kapitel 1-4, um die Grundlagen von ML aus der Sicht eines Programmierers zu verstehen. Die zweite Hälfte des Buches befasst sich mit Bereichen wie Computer Vision, Natural Language Processing, Generative Deep Learning und mehr. Machen Sie sich keine Sorgen, wenn diese Themen im Moment zu fortgeschritten sind, da sie zu gegebener Zeit mehr Sinn ergeben.

Bücher
KI und maschinelles Lernen für Programmierer: Ein Leitfaden für Programmierer zur künstlichen Intelligenz von Laurence Moroney

Dieses Einführungsbuch bietet einen Code-First-Ansatz, um zu lernen, wie die gängigsten ML-Szenarien implementiert werden, z. B. Computer Vision, Natural Language Processing (NLP) und Sequenzmodellierung für Web-, Mobil-, Cloud- und eingebettete Laufzeiten.

Bücher
Deep Learning mit Python von Francois Chollet

Dieses Buch ist eine praktische Einführung in Deep Learning mit Keras.

⬆ Oder ⬇

Nehmen Sie einen Online - Kurs wie Coursera der Einführung in TensorFlow oder Udacity der Einführung zu TensorFlow für Deep Learning , von denen beide die gleichen Grundlagen wie Francois Buch decken. Sie können auch finden diese Videos von 3blue1brown hilfreich, die Ihnen schnell Erklärungen zu geben , wie neuronale Netze auf einer mathematischen Ebene arbeiten.

Wenn Sie diesen Schritt abschließen, erhalten Sie die Grundlagen für die Funktionsweise von ML und bereiten Sie darauf vor, tiefer einzusteigen.

Online-Einführungskurse
deeplearning.ai: Einführung in TensorFlow für KI, ML und Deep Learning

Dieser Kurs wurde in Zusammenarbeit mit dem TensorFlow-Team entwickelt und ist Teil der Spezialisierung TensorFlow in der Praxis und vermittelt Ihnen Best Practices für die Verwendung von TensorFlow.

Online-Einführungskurse
Udacity: Einführung in TensorFlow für Deep Learning

In diesem vom TensorFlow-Team und Udacity entwickelten Online-Kurs erfahren Sie, wie Sie mit TensorFlow Deep-Learning-Anwendungen erstellen.

Schritt 2: Jenseits der Grundlagen

Nehmen Sie die TensorFlow in der Praxis Spezialisierung , die Sie über die Grundlagen in Einführungs Computer Vision, NLP, und Sequence - Modellierung erfolgt.

Wenn Sie diesen Schritt abschließen, wird Ihre Einführung fortgesetzt und Sie erfahren, wie Sie mit TensorFlow grundlegende Modelle für eine Vielzahl von Szenarien erstellen, einschließlich Bildklassifizierung, Verständnis von Stimmungen in Texten, generativen Algorithmen und mehr.

Online-Einführungskurse
deeplearning.ai: TensorFlow in der Praxis Spezialisierung

In diesem Kurs lernen Sie die Tools kennen, mit denen Entwickler skalierbare, KI-gestützte Algorithmen in TensorFlow erstellen.

Schritt 3: Üben

Probieren Sie einige unserer TensorFlow Core - Tutorials , die Ihnen erlaubt , um die Konzepte zu üben Sie in Schritt 1 und 2 gelernt Wenn Sie fertig sind , versuchen einige der fortgeschritteneren Übungen auf der linken Seite der Seite.

Wenn Sie diesen Schritt abschließen, werden Sie die wichtigsten Konzepte und Szenarien besser verstehen, denen Sie beim Erstellen von ML-Modellen begegnen.

Schritt 4: Gehen Sie tiefer mit TensorFlow

Jetzt ist es an der Zeit, zu 'Deep Learning in Python' von Francois zurückzukehren und die Kapitel 5-9 zu beenden. Jedes Beispiel in diesem Buch funktioniert in TensorFlow 2.0, indem Sie einfach einen Import ändern. Sie sollten auch das Buch lesen Hands-on Machine Learning mit Scikit-Learn, Keras und TensorFlow , von Aurelien Geron. In diesem Buch wird ML mit scikit-learn und auch Deep Learning mit TensorFlow 2.0 vorgestellt.

Der Abschluss dieses Schritts rundet Ihre einführenden Kenntnisse in ML ab, einschließlich der Erweiterung der Plattform, um Ihre Anforderungen zu erfüllen.

Bücher
Praktisches maschinelles Lernen mit Scikit-Learn, Keras und TensorFlow, 2. Auflage, von Aurélien Géron

Anhand konkreter Beispiele und zweier produktionsbereiter Python-Frameworks – Scikit-Learn und TensorFlow – hilft Ihnen dieses Buch, ein intuitives Verständnis der Konzepte und Werkzeuge zum Aufbau intelligenter Systeme zu erlangen.