TensorFlow 的机器学习基础知识

在开始学习下面的学习资料之前,请确保:

  • 具有软件开发经验,尤其是 Python 开发经验

本课程适用于以下人员:

  • 刚开始接触机器学习,但具有计算机科学或开发背景

本部分内容旨在指导刚接触机器学习的开发者顺利完成其机器学习之旅的起始学习阶段。您会发现很多课程都采用了 TensorFlow,不过,这些知识也可以套用到其他机器学习框架中。

第 1 步:了解什么是机器学习

TensorFlow 2.0 旨在让您能够轻松地构建机器学习神经网络,这也是 TensorFlow 2.0 使用 Keras 这一 API 的原因。由 Keras 的创建者 Francois Chollet 编著的使用 Python 进行深度学习一书是入门的理想之选。您可以阅读第 1-4 章,从程序员的角度了解机器学习的基础知识。本书的后半部分深入探讨了计算机视觉、自然语言处理、生成式深度学习等领域。如果这些内容目前对您来说过于高深,也无需担心,因为您在学完基础知识之后自然就会理解其中的含义。

图书
由 Francois Chollet 编著的《使用 Python 进行深度学习》

本书介绍了关于使用 Keras 进行深度学习的实用操作说明。

⬆ 或 ⬇

学习 Coursera 发布的 TensorFlow 简介或 Udacity 发布的 TensorFlow 在深度学习中的应用简介等在线课程,这两门课程均涵盖了与 Francois 编著的图书中相同的基础知识。另外,3blue1brown 发布的这些视频对您也有帮助,它们从数学层面上简要讲解了神经网络的工作原理。

完成此部分学习后,您将掌握有关机器学习工作原理的基础知识,从而为更深入的学习做好准备。

入门级在线课程
deeplearning.ai:简介:TensorFlow 在 AI、机器学习和深度学习中的应用

该课程是专项课程《TensorFlow 实战》的一部分,并且与 TensorFlow 团队联合制作而成,其中将讲解使用 TensorFlow 的最佳做法。

入门级在线课程
Udacity:TensorFlow 在深度学习中的应用简介

在这门由 TensorFlow 团队和 Udacity 联合制作的在线课程中,您将了解如何使用 TensorFlow 构建深度学习应用。

第 2 步:基础知识延伸

通过学习《TensorFlow 实战》专项课程,您将了解关于入门级计算机视觉、NLP 和序列模型的拓展知识。

此部分会继续介绍入门知识,讲解了如何使用 TensorFlow 针对各种场景构建基本模型,包括图像分类、理解文本中的情感以及生成式算法等。

入门级在线课程
deeplearning.ai:《TensorFlow 实战》专项课程

在这门课程中,您将了解开发者在 TensorFlow 中构建由 AI 提供支持且可扩容的算法时使用的工具。

第 3 步:实践

尝试观看我们的一些 TensorFlow 核心教程,您可以根据这些教程练习在第 1 步和第 2 步中所学的概念。完成之后,请尝试页面左侧的一些更高级的练习。

完成此部分后,您将会加深对构建机器学习模型时遇到的主要概念和场景的理解。

第 4 步:更加深入地了解 TensorFlow

现在,您可以再回头阅读 Francois 编著的《使用 Python 进行深度学习》,并完成第 5-9 章的内容。只需更改一下导入命令,即可将本书中的所有示例用在 TensorFlow 2.0 中。另外,您还应该阅读由 Aurelien Geron 编著的使用 Scikit-Learn、Keras 和 TensorFlow 进行机器学习实践一书。这本书介绍了如何使用 scikit-learn 进行机器学习,以及如何使用 TensorFlow 2.0 进行深度学习。

学完此部分后,您不仅会掌握更加全面的机器学习入门知识,还可以发掘平台的更多功能来满足自身需求。

图书
《使用 Scikit-Learn、Keras 和 TensorFlow 进行机器学习实践》(第 2 版),由 Aurélien Géron 编著

本书采用了具体示例和两个可用于生产的 Python 框架(Scikit-Learn 和 TensorFlow),可帮助您直观地理解构建智能系统用到的概念和工具。