Google致力於提高黑人社區的種族平等。 怎麼看。

TensorFlow 機器學習基本知識

開始使用下方的學習教材之前,請確認你符合下列條件:

  • 具備軟體開發經驗,特別是 Python 開發經驗

本課程適用對象如下:

  • 機器學習領域的新手,但具備電腦科學或開發背景

此內容旨在引導剛接觸機器學習的開發人員完成機器學習旅程的入門階段。你會發現許多資源都使用 TensorFlow,但這項知識也可以轉移到其他機器學習架構。

步驟 1:充分瞭解機器學習

TensorFlow 2.0 旨在簡化用於機器學習的類神經網路建構過程,這就是為什麼 TensorFlow 2.0 選用一款稱為 Keras 的 API。Keras 建立者 Francois Chollet 的著作《Deep Learning in Python》是很棒的入門磚。閱讀第 1 至 4 章,就能從程式設計師的角度瞭解機器學習的基礎知識。本書的後半部則深入探討了電腦視覺、自然語言處理、生成深度學習等領域。如果你現在覺得這些主題艱澀難懂,請別擔心,假以時日一切都會變得豁然開朗。

書籍
《Deep Learning with Python》,作者:Francois Chollet

本書是使用 Keras 進行深度學習的實作入門指南。

⬆ 或 ⬇

參加線上課程,例如 Coursera 的 Introduction to TensorFlow 或 Udacity 的 Intro to TensorFlow for Deep Learning,這兩門課程講授的基礎知識都與 Francois 的書相同。3blue1brown 的這些影片從數學的角度簡要說明了類神經網路的運作方式,可能也會對你有幫助。

完成此步驟後,你會對機器學習的運作方式有基本認識,可再學習更深入的內容。

入門線上課程
deeplearning.ai:適用於 AI、機器學習和深度學習的 TensorFlow 簡介

本課程是與 TensorFlow 團隊合作開發,屬於 TensorFlow in Practice Specialization 的一部分,針對 TensorFlow 的使用方式提供最佳實務指導。

入門線上課程
Udacity: Intro to TensorFlow for Deep Learning

在這門由 TensorFlow 團隊和 Udacity 合作開發的線上課程中,你將瞭解如何使用 TensorFlow 打造深度學習應用程式。

步驟 2:更深入瞭解

參加 TensorFlow in Practice Specialization,這門課程將介紹更深入的內容,帶你初步認識電腦視覺、自然語言處理和序列模型。

完成此步驟將延續前面所學,並教你如何使用 TensorFlow 為各種情境建立基本模型,包括圖片分類、理解文本中的情緒、生成演算法等。

入門線上課程
deeplearning.ai:TensorFlow in Practice Specialization

在本課程中,你將探索開發人員在 TensorFlow 中使用哪些工具來打造可擴充的 AI 技術演算法。

步驟 3:練習

試試幾堂我們的 TensorFlow Core 教學課程,這些課程能讓你練習在步驟 1 和步驟 2 中學到的概念。完成後,請試做頁面左側一些更進階的練習題。

完成此步驟後,你就會更瞭解打造機器學習模型時會遇到的主要概念和情境。

步驟 4:更熟悉 TensorFlow

現在可以回到 Francois 所著的《Deep Learning in Python》並完成第 5 到 9 章了。本書中的每個範例都適用於 TensorFlow 2.0,只需變更匯入即可。另外,還請閱讀 Aurelien Geron 撰寫的《Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow》一書。本書介紹了使用 scikit-learn 的機器學習,以及使用 TensorFlow 2.0 進行的深度學習。

完成此步驟後,你對機器學習的入門知識 (包括擴展平台以滿足自身需求) 將更臻完善。

書籍
《Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow》,第二版,作者:Aurélien Géron

本書使用具體範例和兩個可用於生產的 Python 架構 (Scikit-Learn 及 TensorFlow) 來協助你直覺地瞭解建構智慧系統的概念和工具。