Noções básicas de machine learning com o TensorFlow
Este currículo é destinado a pessoas com o seguinte perfil:
- Iniciantes em ML, mas que têm um conhecimento intermediário de programação
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 with Python , de Francois 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.
Este livro introdutório tem uma abordagem que prioriza o código, para que você aprenda como implantar os cenários mais comuns de ML, como visão computacional, processamento de linguagem natural (PLN) e modelagem sequencial para Web, dispositivos móveis, nuvem e tempos de execução incorporados.
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 goste destes 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 de como o ML funciona e poderá se aprofundar ainda mais.
DeepLearning.AI
Introdução ao TensorFlow para IA, ML e aprendizado profundoDesenvolvido em colaboração com a equipe do TensorFlow, este curso é parte da especialização "TensorFlow Developer" e ensinará as práticas recomendadas de uso da plataforma.
Neste curso on-line desenvolvido pela equipe do TensorFlow e a Udacity, você aprenderá a criar apps de aprendizado profundo com o TensorFlow.
Etapa 2: vá além do básico
Faça a TensorFlow Developer Specialization , que vai além do básico e apresenta os princípios da visão computacional, da PLN e do modelo sequencial.
Após essa etapa, a introdução continua e mostra como usar o TensorFlow para criar modelos básicos para vários cenários, incluindo classificação de imagens, compreensão do sentimento do texto, algoritmos generativos e muito mais.
DeepLearning.AI
TensorFlow Developer SpecializationNesta especialização de quatro cursos ministrada por um desenvolvedor da plataforma, você conhecerá as ferramentas usadas 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. Quando terminar, faça alguns dos exercícios mais avançados.
Após concluir essa etapa, você entenderá melhor os principais conceitos e cenários que encontrará ao criar modelos de ML.
Etapa 4: aumente seu conhecimento sobre o TensorFlow
Agora, vamos voltar ao livro Deep Learning with Python , de Francois, e terminar os capítulos 5 ao 9. Leia também o livro Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow , de Aurelien Geron. Esse livro apresenta o ML e o aprendizado profundo com o TensorFlow 2.0.
Ao concluir essa etapa, você encerrará os conhecimentos iniciais de ML, incluindo a expansão da plataforma para atender às suas necessidades.
Com exemplos concretos, pouca teoria 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.