Google は、黒人コミュニティのための人種的公平の促進に取り組んでいます。詳細をご覧ください。

TensorFlow を使用した機械学習の基礎

以下の学習教材を開始する前に、次のことを確認してください。

  • ソフトウェア開発(特に Python)の経験があること。

このカリキュラムは、以下のような方を対象としています。

  • ML に取り組むのは初めてだが、コンピュータ サイエンスを学んだことがある、または開発の経験がある。

このコンテンツは、ML を一から始めるデベロッパーが、ML の初歩の知識を身に付けるためのものです。多くのリソースで TensorFlow が使用されていますが、他の機械学習フレームワークに応用できる知識を身に付けることができます。

ステップ 1: ML の全体像を理解する

TensorFlow 2.0 には Keras と呼ばれる API が使用され、機械学習用のニューラル ネットワークを簡単に構築できます。Keras の開発者である Francois Chollet の著作『Deep Learning with Python』は、入門用に最適です。この本の 1~4 章では、プログラマーの観点から ML の基礎を理解できます。また、後半ではコンピュータ ビジョン、自然言語処理、ジェネレーティブ ディープ ラーニングなどの領域が詳しく解説されています。今、こうした内容が高度すぎると感じたとしても、心配はいりません。自然に理解できるようになります。

書籍
AI and Machine Learning for Coders: A Programmer's Guide to Artificial Intelligence, by Laurence Moroney

This introductory book provides a code-first approach to learn how to implement the most common ML scenarios, such as computer vision, natural language processing (NLP), and sequence modeling for web, mobile, cloud, and embedded runtimes.

書籍
『Deep Learning with Python』Francois Chollet 著

この書籍は、Keras によるディープ ラーニングの実践的な入門書となっています。

⬆ または ⬇

Coursera の Introduction to TensorFlow や Udacity の Intro to TensorFlow for Deep Learning などのオンライン コースでは、上記の書籍で解説されている基本的な項目を学習できます。また、3blue1brown の動画は、ニューラル ネットワークが数学レベルでどのように機能するかをすばやく理解するのに役立ちます。

このステップを完了することで、ML の仕組みに関する基礎を理解し、応用編に進む準備ができます。

オンライン入門コース
deeplearning.ai: Intro to TensorFlow for AI, ML, and Deep Learning

このコースは TensorFlow in Practice 専門講座の一部として TensorFlow チームと共同で開発されており、TensorFlow を使用するためのベスト プラクティスを学べます。

オンライン入門コース
Udacity: TensorFlow によるディープ ラーニングの概要

TensorFlow チームと Udacity の開発によるこのオンライン コースでは、TensorFlow を使ってディープ ラーニング アプリケーションを作成する方法を学ぶことができます。

無料
詳細  

ステップ 2: 基礎から応用へ進む

TensorFlow in Practice 専門講座では、基本から一歩進んで入門的なコンピュータ ビジョン、NLP、シーケンス モデリングを学習できます。

このステップは入門の続きであり、画像分類、テキストの感情分析、生成アルゴリズムなどのさまざまなシナリオで、TensorFlow を使用して基本的なモデルを構築する方法を学習できます。

オンライン入門コース
deeplearning.ai: TensorFlow in Practice 専門講座

このコースでは、TensorFlow で AI を活用したスケーラブルなアルゴリズムを作成するためのツールについて詳しく知ることができます。

ステップ 3: 実践

主な TensorFlow のチュートリアルをいくつか試してみましょう。ステップ 1~2 で学んだ概念を実践的に練習できます。このチュートリアルを終えたら、ページの左側からより高度な演習に挑戦しましょう。

このステップでは、ML モデルを構築する際の主な概念とシナリオに関する理解を深めることができます。

ステップ 4: TensorFlow で理解を深める

それでは、Francois Chollet の著書『Deep Learning with Python』に戻って、5~9 章まで終わらせましょう。この書籍に出てくるすべての例は、インポートを変更するだけで TensorFlow 2.0 で使用できます。また、Aurelien Geron の著書『scikit-learn、Keras、TensorFlow による実践機械学習』もぜひお読みください。この書籍では、scikit-learn を使用した ML と、TensorFlow 2.0 を使用したディープ ラーニングが紹介されています。

このステップを完了すると、ニーズに合わせたプラットフォームの拡張など、ML に関する初歩的な知識が身に付きます。

書籍
『scikit-learn、Keras、TensorFlow による実践機械学習 第2版』Aurélien Géron 著

この書籍では複数の具体例と本番環境で使用できる 2 つの Python フレームワーク(Scikit-Learn と TensorFlow)が紹介されており、インテリジェントなシステムを構築するための概念とツールを直感的に理解できます。