Google is committed to advancing racial equity for Black communities. See how.

Theoretisches und erweitertes maschinelles Lernen mit TensorFlow

Bevor Sie mit den folgenden Lernmaterialien beginnen, stellen Sie Folgendes sicher:

  1. Füllen Sie unseren Lehrplan Grundlagen des maschinellen Lernens mit TensorFlow oder gleichwertigen Kenntnissen

  2. Sie haben Erfahrung in der Softwareentwicklung, insbesondere in Python

Dieses Curriculum ist ein Ausgangspunkt für Menschen, die:

  1. Verbessern Sie ihr Verständnis von ML

  2. Beginnen Sie mit dem Verstehen und Implementieren von Papieren mit TensorFlow

Sie sollten bereits Hintergrundwissen haben , wie ML arbeitet oder die Lernmaterialien in den Anfänger Lehrplan abgeschlossen Grundlagen des maschinellen Lernens mit TensorFlow bevor Sie mit diesem zusätzlichen Inhalten fort. Die folgenden Inhalte sollen die Lernenden zu theoretischeren und fortgeschritteneren maschinellen Lerninhalten führen. Sie werden sehen, dass viele der Ressourcen TensorFlow verwenden, das Wissen ist jedoch auf andere ML-Frameworks übertragbar.

Um Ihr Verständnis von ML zu verbessern, sollten Sie über Python-Programmiererfahrung sowie Kenntnisse in Analysis, linearer Algebra, Wahrscheinlichkeit und Statistik verfügen. Um Ihnen zu helfen, Ihre ML-Kenntnisse zu vertiefen, haben wir eine Reihe von empfohlenen Ressourcen und Kursen von Universitäten sowie einige Lehrbücher aufgelistet.

Schritt 1: Frischen Sie Ihr Verständnis von mathematischen Konzepten auf

ML ist eine mathematisch schwere Disziplin. Wenn Sie ML-Modelle ändern oder von Grund auf neue erstellen möchten, ist es wichtig, mit den zugrunde liegenden mathematischen Konzepten vertraut zu sein. Sie müssen nicht die ganze Mathematik im Voraus lernen, sondern können stattdessen Konzepte nachschlagen, mit denen Sie nicht vertraut sind, wenn Sie darauf stoßen. Wenn es eine gewesen ist , während da Sie einen Mathekurs genommen haben, versuchen Sie die beobachtete Essenz der linearen Algebra und die Essenz des Kalküls Wiedergabelisten von 3blue1brown für eine Auffrischung. Wir empfehlen , dass Sie auch weiterhin durch eine Klasse von einer Universität nehmen, oder beobachten Open - Access - Vorträge vom MIT, wie Lineare Algebra oder Einzel Variable Calculus .

Mathematische Konzepte
Essenz der linearen Algebra von 3blue1brown

Eine Reihe kurzer, visueller Videos von 3blue1brown, die das geometrische Verständnis von Matrizen, Determinanten, Eigenmaterialien und mehr erklären.

Kostenlos
Mehr erfahren  
Mathematische Konzepte
Essenz des Kalküls von 3blue1brown

Eine Reihe kurzer, visueller Videos von 3blue1brown, die die Grundlagen der Infinitesimalrechnung mit Schwerpunkt auf Fundamentalsätzen erklären.

Kostenlos
Mehr erfahren  
Mathematische Konzepte
MIT Kurs18.06: Lineare Algebra

Dieser Einführungskurs des MIT behandelt die Matrixtheorie und die lineare Algebra.

Kostenlos
Mehr erfahren  
Mathematische Konzepte
MIT-Kurs 18.01: Einzelvariablenrechnung

Dieser Einführungskurs in die Analysis des MIT behandelt die Differenzierung und Integration von Funktionen einer Variablen mit Anwendungen.

Kostenlos
Mehr erfahren  

Schritt 2: Vertiefen Sie Ihr Verständnis von Deep Learning mit diesen Kursen und Büchern

Es gibt keinen einzigen Kurs, der Ihnen alles beibringt, was Sie über Deep Learning wissen müssen. Ein Ansatz, der hilfreich sein kann, besteht darin, mehrere Kurse gleichzeitig zu belegen. Obwohl sich das Material überschneiden wird, kann es hilfreich sein, wenn mehrere Dozenten Konzepte auf unterschiedliche Weise erklären, insbesondere bei komplexen Themen. Im Folgenden finden Sie einige Kurse, die wir empfehlen, um Ihnen den Einstieg zu erleichtern. Sie können jeden von ihnen gemeinsam erkunden oder einfach die auswählen, die für Sie am relevantesten sind.

Denken Sie daran, je mehr Sie lernen und diese Konzepte durch die Praxis verstärken, desto geschickter werden Sie beim Erstellen und Bewerten Ihrer eigenen ML-Modelle.

Nehmen Sie an diesen Kursen teil:

CS231n: Faltungs Neuronale Netze für Visual Recognition ist eine Sammlung von Vortrag Videos und Dias von der Stanford über die Einzelheiten der tiefen Lernarchitekturen, mit einem Fokus auf dem Lernen , End-to-End - Modelle für Computer - Vision - Aufgaben. Dies ist ein ausgezeichneter Kurs und ein großartiger Ort, um zu beginnen. Die MIT - Kurs 6.S191: Einführung in den Deep Learning ist ein kürzerer Einführungskurs auf Deep Learning mit TensorFlow vom MIT und auch eine wunderbaren Ressource. Sie können auch die versuchen MIT Deep Learning Sammlung von Kursen und Vorträgen über tiefgreifendes Lernen, tiefe Verstärkung Lernen, autonome Fahrzeuge und künstliche Intelligenz, lehrte von Lex Fridman .“

Schließlich Andrew Ng brech Deep Learning Spezialisierung auf Coursera hat fünf Kurse , in denen Sie die Grundlagen der Tief Lernen lernen, darunter Faltungs Netzwerke, RNNs, LSTMs und vieles mehr. Diese Spezialisierung soll Ihnen dabei helfen, Deep Learning in Ihrer Arbeit anzuwenden und eine Karriere in der KI aufzubauen.

Online-Kurse der Mittelstufe
CS231n: Convolutional Neural Networks für die visuelle Erkennung

Dieser Kurs bietet einen tiefen Einblick in die Details von Deep-Learning-Architekturen, wobei der Schwerpunkt auf dem Erlernen von End-to-End-Modellen für Computer Vision-Aufgaben liegt, insbesondere der Bildklassifizierung. Entdecken Sie Vorlesungsvideos, Folien und Notizen zu früheren Lehrplänen aus früheren Iterationen des Kurses.

Kostenlos
Mehr erfahren  
Online-Kurse der Mittelstufe
MIT-Kurs 6.S191: Einführung in Deep Learning

In diesem Kurs vom MIT erwerben Sie grundlegende Kenntnisse über Deep-Learning-Algorithmen und sammeln praktische Erfahrung beim Aufbau neuronaler Netze in TensorFlow.

Kostenlos
Mehr erfahren  
Online-Kurse der Mittelstufe
MIT Deep Learning

Eine Sammlung von MIT-Kursen und -Vorträgen zu Deep Learning, Deep Reinforcement Learning, autonomen Fahrzeugen und künstlicher Intelligenz von Lex Fridman.

Kostenlos
Mehr erfahren  
Online-Kurse der Mittelstufe
deeplearning.ai: Deep Learning Spezialisierung

In fünf Kursen lernen Sie die Grundlagen von Deep Learning und den Aufbau neuronaler Netze.

⬆ Und ⬇ Lies diese Bücher:

Um das, was Sie in den oben aufgeführten Kursen lernen, zu ergänzen, empfehlen wir Ihnen, tiefer einzutauchen, indem Sie die folgenden Bücher lesen. Jedes Buch ist online verfügbar und bietet ergänzende Materialien, die Ihnen beim Üben helfen.

Sie können durch das Lesen beginnen Ein MIT Press Book: Deep Learning von Ian Goodfellow, Yoshua Bengio und Aaron Courville. Das Lehrbuch Deep Learning ist eine fortgeschrittene Ressource, die den Schülern helfen soll, ihr Verständnis zu vertiefen. Das Buch ist von begleitet einer Website , die eine Vielzahl von ergänzenden Materialien, einschließlich Übungen, Vorlesungsfolien, Korrekturen von Fehlern und anderen Ressourcen , die Ihnen Hände mit den Konzepten aus der Praxis zu geben.

Sie können auch Michael Nielsen Online - Buch erforschen Neuronale Netze und Deep Learning . Dieses Buch bietet einen theoretischen Hintergrund zu neuronalen Netzen. Es verwendet kein TensorFlow, ist aber eine großartige Referenz für Schüler, die mehr erfahren möchten.

Bücher
Deep Learning: Ein MIT-Pressebuch von Ian Goodfellow, Yoshua Bengio und Aaron Courville

Dieses Deep-Learning-Lehrbuch ist eine Ressource, die Studenten und Praktiker beim Einstieg in das Gebiet des maschinellen Lernens mit Schwerpunkt auf Deep Learning unterstützen soll.

Bücher
Neuronale Netze und Deep Learning, von Michael Nielsen

Dieses Buch bietet einen theoretischen Hintergrund zu neuronalen Netzen. Es verwendet kein TensorFlow, ist aber eine großartige Referenz.

Schritt 3: Papiere lesen und implementieren mit TensorFlow

An dieser Stelle empfehlen wir, Papiere zu lesen und die fortgeschrittenen Tutorials auf unserer Website auszuprobieren, die Implementierungen einiger bekannter Veröffentlichungen enthalten. Der beste Weg , eine erweiterte Anwendung, zu lernen , maschinelle Übersetzung , oder Bild Untertitelung , ist das Papier aus dem Tutorial verbunden zu lesen. Suchen Sie beim Durcharbeiten die relevanten Abschnitte des Codes und verwenden Sie sie, um Ihr Verständnis zu vertiefen.