O Google está comprometido em promover a equidade racial para as comunidades negras. Veja como.

Noções básicas de machine learning com o TensorFlow

Antes de começar a usar os materiais de aprendizado abaixo, não se esqueça dos seguintes requisitos:

  • Ter experiência em desenvolvimento de software, principalmente em Python

Este currículo é um ponto de partida para as pessoas com seguinte perfil:

  • Iniciantes no ML, mas que têm experiência em desenvolvimento ou ciência da computação

Este conteúdo é destinado a orientar novos desenvolvedores em ML ao longo dos estágios iniciais da jornada. Você verá que muitos dos recursos usam o TensorFlow. No entanto, o conhecimento pode ser transferido para outros frameworks de machine learning.

Etapa 1: entenda o que é ML

O TensorFlow 2.0 foi projetado para facilitar a criação de redes neurais para machine learning. É por isso que o TensorFlow 2.0 usa uma API chamada Keras. O livro ‘Deep Learning in Python’, de François Chollet, criador do Keras, é um ótimo ponto de partida. Leia os capítulos 1 a 4 para entender os fundamentos do ML do ponto de vista de um programador. A segunda metade do livro examina áreas como a visão computacional, o processamento de linguagem natural, o aprendizado profundo generativo e muito mais. Não se preocupe se esses assuntos forem muito avançados para você agora. Tudo isso fará sentido no momento certo.

Livros
Deep Learning with Python, de Francois Chollet

Este livro é uma introdução prática ao aprendizado profundo com Keras.

⬆ Ou ⬇

Faça um curso on-line, como o Introdução ao TensorFlow do Coursera ou o Introdução ao TensorFlow para aprendizado profundo da Udacity. Os dois currículos abordam os mesmos fundamentos do livro de François. Talvez você também considere úteis estes vídeos da 3blue1brown, já que oferecem explicações rápidas sobre como as redes neurais funcionam no nível matemático.

Após concluir esta etapa, você saberá os fundamentos do funcionamento do ML e poderá se aprofundar ainda mais.

Cursos on-line introdutórios
deeplearning.ai: Introduction to TensorFlow for Artificial Intelligence, Machine Learning, and Deep Learning

Desenvolvido em colaboração com a equipe do TensorFlow, este curso é parte da especialização "TensorFlow in Practice" e ensinará as práticas recomendadas de uso da plataforma.

Cursos on-line introdutórios
Udacity: Introdução ao TensorFlow para aprendizado profundo

Neste curso on-line desenvolvido pela equipe do TensorFlow e a Udacity, você aprenderá a criar apps de aprendizado profundo com o TensorFlow.

Gratuitos
Saiba mais  

Etapa 2: vá além do básico

Faça a especialização "TensorFlow na prática", que vai além do básico e apresenta os princípios da visão computacional, da PLN e do modelo sequencial.

Após concluir esta etapa, você continuará na introdução e terá lições sobre como usar o TensorFlow para criar modelos básicos em diferentes cenários, incluindo a classificação de imagens, entendimento de sentimento em texto, algoritmos geradores e muito mais.

Cursos on-line introdutórios
deeplearning.ai: especialização TensorFlow in Practice

Neste curso, você conhecerá as ferramentas usadas por desenvolvedores para criar algoritmos com tecnologia de IA escalonáveis no TensorFlow.

Etapa 3: coloque seu aprendizado em prática

Consulte alguns dos nossos tutoriais do TensorFlow Core para praticar os conceitos aprendidos nas etapas 1 e 2. Depois disso, tente fazer alguns dos exercícios mais avançados no lado esquerdo da página.

Concluir essa etapa aumentará sua compreensão dos principais conceitos e cenários que serão encontrados ao criar modelos de ML.

Etapa 4: aprofunde seu conhecimento sobre o TensorFlow

Agora volte ao "Deep Learning in Python", de François, e conclua os capítulos 5 a 9. Cada exemplo desse livro funcionará no TensorFlow 2.0, basta alterar uma importação. Leia também o livro Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow, de Aurelien Geron. Esse livro apresenta o ML por meio do scikit-learn e também o aprendizado profundo com o TensorFlow 2.0.

Ao concluir esta etapa, você encerrará os conhecimentos iniciais de ML, incluindo a expansão da plataforma para atender às suas necessidades.

Livros
Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2ª edição, de Aurélien Géron

Com exemplos concretos e dois frameworks Python prontos para produção (Scikit-Learn e TensorFlow), este livro ajuda você a ter uma compreensão intuitiva dos conceitos e das ferramentas para criar sistemas inteligentes.