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

اصول یادگیری ماشین با TensorFlow

این برنامه آموزشی برای افرادی است که:

  • تازه وارد ML ، اما دارای سابقه برنامه نویسی متوسط ​​هستند

این محتوا برای راهنمایی توسعه دهندگان تازه وارد ML در مراحل اولیه سفر ML خود است. خواهید دید که بسیاری از منابع از TensorFlow استفاده می کنند ، با این حال ، دانش به سایر چارچوبهای یادگیری ماشین قابل انتقال است.

مرحله 1: درک کنید ML چیست؟

TensorFlow 2.0 برای ایجاد آسان شبکه های عصبی برای یادگیری ماشین طراحی شده است ، به همین دلیل TensorFlow 2.0 از API به نام Keras استفاده می کند. کتاب یادگیری عمیق با پایتون توسط فرانسوا Chollet، خالق Keras، یک محل عالی برای شروع است. برای درک اصول ML از دیدگاه برنامه نویس ، فصل های 1-4 را بخوانید. نیمه دوم کتاب در زمینه هایی مانند بینایی رایانه ، پردازش زبان طبیعی ، یادگیری عمیق مولد ، و موارد دیگر صحبت می کند. اگر این موضوعات در حال حاضر بسیار پیشرفته هستند نگران نباشید زیرا در زمان مناسب بیشتر معنا پیدا می کنند.

هوش مصنوعی و یادگیری ماشین برای برنامه نویسان
نویسنده: لورنس مورونی

این کتاب مقدماتی یک رویکرد کد اول را برای یادگیری نحوه پیاده سازی متداول ترین سناریوهای ML مانند بینایی رایانه ، پردازش زبان طبیعی (NLP) و مدل سازی توالی برای زمان اجرای وب ، تلفن همراه ، ابر و جاسازی شده ارائه می دهد.

یادگیری عمیق با پایتون
نویسنده: فرانسوا شولت

این کتاب یک مقدمه عملی و کاربردی برای یادگیری عمیق با Keras است.

⬆ یا

نگاهی به آنلاین البته مانند کورسرا را معرفی TensorFlow یا یوداسیتی را معرفی به TensorFlow برای یادگیری عمیق ، که هر دو پوشش اصول همان کتاب فرانسوا است. همچنین شما می توانید پیدا این فیلم ها از 3blue1brown مفید، که شما توضیح سریع در مورد چگونگی شبکه های عصبی در سطح ریاضی کار می دهد.

با تکمیل این مرحله ، اساس کار ML به شما ارائه می شود و شما را برای عمیق تر آماده می کند.

معرفی TensorFlow برای هوش مصنوعی ، ML و یادگیری عمیق

این دوره که با همکاری تیم TensorFlow توسعه یافته است ، بخشی از تخصص توسعه دهندگان TensorFlow است و بهترین شیوه های استفاده از TensorFlow را به شما آموزش می دهد.

معرفی TensorFlow برای یادگیری عمیق

در این دوره آنلاین که توسط تیم TensorFlow و Udacity توسعه یافته است ، خواهید آموخت که چگونه با TensorFlow برنامه های کاربردی یادگیری عمیق بسازید.

مرحله 2: فراتر از اصول اولیه

نگاهی به توسعه TensorFlow تخصصی ، که شما را فراتر از اصول اولیه به مدل سازی چشم انداز کامپیوتر، NLP، و توالی مقدماتی.

تکمیل این مرحله به معرفی شما ادامه می دهد و به شما می آموزد که چگونه از TensorFlow برای ایجاد مدل های اصلی برای انواع سناریوها ، از جمله طبقه بندی تصویر ، درک احساسات در متن ، الگوریتم های مولد ، و موارد دیگر استفاده کنید.

تخصص توسعه دهندگان TensorFlow

در این چهار دوره تخصصی که توسط توسعه دهنده TensorFlow تدریس می شود ، ابزارها و توسعه دهندگان نرم افزار را برای ایجاد الگوریتم های مقیاس پذیر مجهز به هوش مصنوعی در TensorFlow مورد بررسی قرار می دهید.

مرحله 3: تمرین کنید

سعی کنید برخی از ما آموزش TensorFlow هسته ، که اجازه خواهد شما را به تمرین مفاهیم شما در مراحل 1 و 2. هنگامی که شما انجام می شود به دست، سعی کنید برخی از تمرینات پیشرفته تر است.

با تکمیل این مرحله درک شما از مفاهیم اصلی و سناریوهایی که هنگام ساختن مدلهای ML با آنها روبرو خواهید شد بهبود می یابد.

مرحله 4: با TensorFlow عمیق تر بروید

در حال حاضر زمان برای رفتن به آن یادگیری عمیق با پایتون توسط فرانسوا و پایان فصل 5-9. شما همچنین باید کتاب خواندن دست ها را در یادگیری ماشین با Scikit یادگیری، Keras و TensorFlow ، توسط اورلین گرن. این کتاب ML و یادگیری عمیق را با استفاده از TensorFlow 2.0 معرفی می کند.

با تکمیل این مرحله دانش مقدماتی شما در مورد ML ، از جمله گسترش بستر برای پاسخگویی به نیازهای شما ، کامل می شود.

یادگیری ماشینی دستی با Scikit-Learn ، Keras و TensorFlow
نویسنده: Aurélien Géron

با استفاده از مثالهای مشخص ، نظریه حداقلی و دو چارچوب پایتون آماده تولید-Scikit-Learn و TensorFlow-این کتاب به شما کمک می کند تا درک مفیدی از مفاهیم و ابزارهای ایجاد سیستمهای هوشمند بدست آورید.