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

TensorFlow के साथ मशीन लर्निंग की मूल बातें

यह पाठ्यक्रम उन लोगों के लिए है जो हैं:

  • एमएल के लिए नया, लेकिन जिनके पास एक मध्यवर्ती प्रोग्रामिंग पृष्ठभूमि है

इस सामग्री का उद्देश्य डेवलपर्स को एमएल के लिए उनकी एमएल यात्रा के शुरुआती चरणों के माध्यम से मार्गदर्शन करना है। आप देखेंगे कि कई संसाधन TensorFlow का उपयोग करते हैं, हालांकि, ज्ञान अन्य मशीन लर्निंग फ्रेमवर्क में स्थानांतरित किया जा सकता है।

चरण 1: समझें कि एमएल क्या है

TensorFlow 2.0 को मशीन लर्निंग के लिए तंत्रिका नेटवर्क के निर्माण को आसान बनाने के लिए डिज़ाइन किया गया है, यही वजह है कि TensorFlow 2.0 Keras नामक API का उपयोग करता है। पुस्तक दीप लर्निंग अजगर के साथ फ्रेंकोइस Chollet, Keras के निर्माता, द्वारा एक महान जगह शुरू करने के लिए है। एक प्रोग्रामर के दृष्टिकोण से एमएल के मूल सिद्धांतों को समझने के लिए अध्याय 1-4 पढ़ें। पुस्तक का दूसरा भाग कंप्यूटर विज़न, नेचुरल लैंग्वेज प्रोसेसिंग, जनरेटिव डीप लर्निंग, और बहुत कुछ जैसे क्षेत्रों में आता है। चिंता न करें अगर ये विषय अभी बहुत उन्नत हैं क्योंकि वे नियत समय में अधिक समझ में आएंगे।

कोडर्स के लिए एआई और मशीन लर्निंग
लॉरेंस मोरोनी द्वारा

यह परिचयात्मक पुस्तक सबसे सामान्य एमएल परिदृश्यों को लागू करने का तरीका सीखने के लिए एक कोड-प्रथम दृष्टिकोण प्रदान करती है, जैसे कि कंप्यूटर विज़न, प्राकृतिक भाषा प्रसंस्करण (एनएलपी), और वेब, मोबाइल, क्लाउड और एम्बेडेड रनटाइम के लिए अनुक्रम मॉडलिंग।

पायथन के साथ डीप लर्निंग
फ्रेंकोइस चॉलेट द्वारा

यह पुस्तक केरस के साथ डीप लर्निंग का एक व्यावहारिक, व्यावहारिक परिचय है।

या

Coursera के रूप में एक ऑनलाइन पाठ्यक्रम इस तरह ले लो TensorFlow का परिचय या Udacity के दीप सीखने के लिए TensorFlow का परिचय , जो दोनों के फ्रेंकोइस की पुस्तक के रूप में ही बुनियादी बातों को कवर किया। तुम भी मिल सकता है इन वीडियो 3blue1brown सहायक से है, जो आप के बारे में कैसे तंत्रिका नेटवर्क एक गणितीय स्तर पर काम शीघ्र स्पष्टीकरण दे।

इस चरण को पूरा करने से आपको यह नींव मिलेगी कि एमएल कैसे काम करता है, आपको गहराई तक जाने के लिए तैयार करता है।

AI, ML और डीप लर्निंग के लिए TensorFlow का परिचय

TensorFlow टीम के सहयोग से विकसित, यह पाठ्यक्रम TensorFlow डेवलपर विशेषज्ञता का हिस्सा है और आपको TensorFlow का उपयोग करने के सर्वोत्तम अभ्यास सिखाएगा।

डीप लर्निंग के लिए TensorFlow का परिचय

TensorFlow टीम और Udacity द्वारा विकसित इस ऑनलाइन पाठ्यक्रम में, आप TensorFlow के साथ गहन शिक्षण अनुप्रयोगों का निर्माण करना सीखेंगे।

नि: शुल्क
कोर्स देखें  

चरण 2: मूल बातें से परे

लो TensorFlow डेवलपर विशेषज्ञता है, जो परिचयात्मक कंप्यूटर विजन, NLP, और अनुक्रम मॉडलिंग में आधारभूत बातों से आगे ले जाता है।

इस चरण को पूरा करना आपका परिचय जारी रखता है, और आपको सिखाता है कि छवि वर्गीकरण, पाठ में भावना को समझने, जनरेटिव एल्गोरिदम, और बहुत कुछ सहित विभिन्न परिदृश्यों के लिए बुनियादी मॉडल बनाने के लिए TensorFlow का उपयोग कैसे करें।

TensorFlow डेवलपर विशेषज्ञता

TensorFlow डेवलपर द्वारा सिखाए गए इस चार-कोर्स विशेषज्ञता में, आप TensorFlow में स्केलेबल AI-संचालित एल्गोरिदम बनाने के लिए उपयोग किए जाने वाले टूल और सॉफ़्टवेयर डेवलपर्स का पता लगाएंगे।

चरण 3: अभ्यास

हमारे में से कुछ की कोशिश करो TensorFlow कोर ट्यूटोरियल है, जो आप अवधारणाओं चरण 1 और 2. जब आप पूरा कर में सीखा अभ्यास करने के लिए अनुमति देगा, और अधिक उन्नत अभ्यास के कुछ प्रयास करें।

इस चरण को पूरा करने से एमएल मॉडल बनाते समय आपके सामने आने वाली मुख्य अवधारणाओं और परिदृश्यों की आपकी समझ में सुधार होगा।

चरण 4: TensorFlow के साथ गहराई में जाएं

अब यह करने के लिए वापस जाने के लिए समय आ गया है अजगर के साथ दीप लर्निंग फ्रेंकोइस और खत्म अध्याय 5-9 से। तुम भी किताब पढ़ना चाहिए साथ हाथों पर मशीन लर्निंग Scikit-जानें, Keras, और TensorFlow , ऑरेलीन Geron द्वारा। यह पुस्तक TensorFlow 2.0 का उपयोग करके ML और गहन शिक्षण का परिचय देती है।

इस चरण को पूरा करने से एमएल के बारे में आपका परिचयात्मक ज्ञान समाप्त हो जाएगा, जिसमें आपकी आवश्यकताओं को पूरा करने के लिए प्लेटफॉर्म का विस्तार करना शामिल है।

स्किकिट-लर्न, केरस और टेंसरफ्लो के साथ हैंड्स-ऑन मशीन लर्निंग
ऑरेलियन गेरोनो द्वारा

ठोस उदाहरणों, न्यूनतम सिद्धांत और दो उत्पादन-तैयार पायथन फ्रेमवर्क-स्किकिट-लर्न और टेंसरफ्लो का उपयोग करते हुए- यह पुस्तक आपको बुद्धिमान प्रणालियों के निर्माण के लिए अवधारणाओं और उपकरणों की सहज समझ हासिल करने में मदद करती है।