Google berkomitmen untuk mendorong terwujudnya keadilan ras bagi komunitas Kulit Hitam. Lihat caranya.
Halaman ini diterjemahkan oleh Cloud Translation API.
Switch to English

Dasar-dasar machine learning dengan TensorFlow

Sebelum memulai materi pembelajaran di bawah ini, harap pastikan untuk:

  • Memiliki pengalaman pengembangan perangkat lunak, khususnya dengan Python

Kurikulum ini untuk orang-orang yang:

  • Baru mengenal ML, tetapi memiliki latar belakang ilmu komputer atau pengembangan

Konten ini dimaksudkan untuk memandu developer yang baru mengenal ML melalui tahap awal perjalanan ML mereka. Anda akan melihat bahwa banyak resource menggunakan TensorFlow, namun, pengetahuan tersebut dapat ditransfer ke framework machine learning lain.

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 ' Deep Learning in Python ' oleh Francois Chollet, pencipta Keras, adalah tempat yang tepat untuk memulai. Baca bab 1-4 untuk memahami dasar-dasar ML dari sudut pandang programmer. Paruh kedua buku ini membahas bidang-bidang seperti Computer Vision, Natural Language Processing, Generative Deep Learning, dan banyak lagi. Jangan khawatir jika topik ini terlalu canggih sekarang karena akan lebih masuk akal pada waktunya.

Buku
Pembelajaran Mendalam dengan Python, oleh Francois Chollet

Buku ini adalah pengenalan praktis dan langsung ke Deep Learning dengan Keras.

⬆ Atau ⬇

Ikuti kursus online seperti Coursera's Introduction to TensorFlow atau Udacity's Intro to TensorFlow for Deep Learning , yang keduanya membahas dasar-dasar yang sama dengan buku Francois. Video dari 3blue1brown ini juga dapat membantu Anda, yang memberikan penjelasan singkat tentang cara kerja jaringan saraf pada tingkat matematika.

Menyelesaikan langkah ini akan memberi Anda dasar tentang cara kerja ML, mempersiapkan Anda untuk melangkah lebih jauh.

Kursus online pengantar
deeplearning.ai: Pengantar TensorFlow untuk AI, ML, dan Deep Learning

Dikembangkan bekerja sama dengan tim TensorFlow, kursus ini adalah bagian dari TensorFlow in Practice Specialization, dan akan mengajarkan Anda praktik terbaik untuk menggunakan TensorFlow.

Kursus online pengantar
Udacity: Pengantar TensorFlow untuk Deep Learning

Dalam kursus online yang dikembangkan oleh tim TensorFlow dan Udacity ini, Anda akan mempelajari cara membuat aplikasi deep learning dengan TensorFlow.

Langkah 2: Melampaui dasar

Gunakan TensorFlow in Practice Specialization , yang membawa Anda melampaui dasar-dasar dalam pengenalan Computer Vision, NLP, dan pemodelan Urutan.

Menyelesaikan langkah ini melanjutkan pendahuluan 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.

Kursus online pengantar
deeplearning.ai: TensorFlow dalam Spesialisasi Praktik

Dalam kursus ini, Anda akan mempelajari fitur yang digunakan developer untuk membuat algoritme yang dapat diskalakan dan didukung AI di TensorFlow.

Langkah 3: Berlatih

Cobalah beberapa tutorial TensorFlow Core kami, yang memungkinkan Anda mempraktikkan konsep yang Anda pelajari pada langkah 1 dan 2. Setelah selesai, cobalah beberapa latihan lanjutan di sisi kiri halaman.

Menyelesaikan langkah ini akan meningkatkan pemahaman Anda tentang konsep dan skenario utama yang akan Anda hadapi saat membuat model ML.

Langkah 4: Pelajari lebih dalam dengan TensorFlow

Sekarang saatnya untuk kembali ke 'Pembelajaran Mendalam dengan Python' oleh Francois dan menyelesaikan bab 5-9. Setiap contoh dalam buku ini akan berfungsi di TensorFlow 2.0, hanya dengan mengubah impor. Anda juga harus membaca buku Pembelajaran Mesin Praktis dengan Scikit-Learn, Keras, dan TensorFlow , oleh Aurelien Geron. Buku ini memperkenalkan ML menggunakan scikit-learn, dan juga deep learning menggunakan TensorFlow 2.0.

Menyelesaikan langkah ini akan melengkapi pengetahuan pengantar ML Anda, termasuk memperluas platform untuk memenuhi kebutuhan Anda.

Buku
Pembelajaran Mesin Praktis dengan Scikit-Learn, Keras, dan TensorFlow, Edisi ke-2, oleh Aurélien Géron

Menggunakan contoh konkret dan dua kerangka kerja Python yang siap produksi — Scikit-Learn dan TensorFlow — buku ini membantu Anda mendapatkan pemahaman intuitif tentang konsep dan alat untuk membangun sistem cerdas.