Google berkomitmen untuk mendorong terwujudnya keadilan ras bagi komunitas Kulit Hitam. Lihat caranya.
Halaman ini diterjemahkan oleh Cloud Translation API.
Switch to English

Pembelajaran mesin teoretis dan lanjutan dengan TensorFlow

Sebelum memulai materi pembelajaran di bawah ini, pastikan untuk:

  1. Lengkapi kurikulum kami Dasar-dasar machine learning dengan TensorFlow , atau miliki pengetahuan yang setara

  2. Memiliki pengalaman pengembangan perangkat lunak, khususnya dengan Python

Kurikulum ini menjadi titik awal bagi orang-orang yang ingin:

  1. Meningkatkan pemahaman mereka tentang ML

  2. Mulailah memahami dan menerapkan makalah dengan TensorFlow

Anda harus sudah memiliki pengetahuan latar belakang tentang cara kerja ML atau menyelesaikan materi pembelajaran di kurikulum pemula Dasar-dasar machine learning dengan TensorFlow sebelum melanjutkan dengan konten tambahan ini. Konten di bawah ini dimaksudkan untuk memandu pelajar ke konten pembelajaran mesin yang lebih teoretis dan lanjutan. Anda akan melihat bahwa banyak resource menggunakan TensorFlow, namun, pengetahuan tersebut dapat ditransfer ke framework ML lainnya.

Untuk lebih memahami ML, Anda harus memiliki pengalaman pemrograman Python serta latar belakang kalkulus, aljabar linier, probabilitas, dan statistik. Untuk membantu Anda memperdalam pengetahuan ML, kami telah mencantumkan sejumlah sumber daya dan kursus yang direkomendasikan dari universitas, serta beberapa buku teks.

Langkah 1: Segarkan pemahaman Anda tentang konsep matematika

ML adalah disiplin matematika yang berat. Jika Anda berencana untuk memodifikasi model ML, atau membuat yang baru dari awal, penting untuk memahami konsep matematika yang mendasarinya. Anda tidak harus mempelajari semua matematika sebelumnya, tetapi Anda dapat mencari konsep yang tidak Anda kenal saat menemukannya. Jika Anda sudah lama tidak mengikuti kursus matematika, coba tonton Esensi aljabar linier dan Esensi kalkulus dari 3blue1brown sebagai penyegar. Kami menyarankan Anda melanjutkan dengan mengambil kelas dari universitas, atau menonton kuliah akses terbuka dari MIT, seperti Aljabar Linear atau Kalkulus Variabel Tunggal .

Konsep matematika
Esensi Aljabar Linear oleh 3blue1brown

Serangkaian video visual pendek dari 3blue1brown yang menjelaskan pemahaman geometris tentang matriks, determinan, eigen-stuff, dan banyak lagi.

Konsep matematika
Esensi Kalkulus oleh 3blue1brown

Serangkaian video visual pendek dari 3blue1brown yang menjelaskan dasar-dasar kalkulus dengan penekanan pada teorema fundamental.

Konsep matematika
Kursus MIT18.06: Aljabar Linear

Kursus pengantar dari MIT ini mencakup teori matriks dan aljabar linier.

Konsep matematika
Kursus MIT 18.01: Kalkulus Variabel Tunggal

Kursus pengantar kalkulus dari MIT ini mencakup diferensiasi dan integrasi fungsi satu variabel, dengan aplikasi.

Langkah 2: Perdalam pemahaman Anda tentang pembelajaran mendalam dengan kursus dan buku ini

Tidak ada satu kursus pun yang akan mengajari Anda semua yang perlu Anda ketahui tentang pembelajaran mendalam. Salah satu pendekatan yang mungkin berguna adalah dengan mengambil beberapa kursus pada waktu yang bersamaan. Meskipun materi akan tumpang tindih, meminta beberapa instruktur menjelaskan konsep dengan cara berbeda dapat membantu, terutama untuk topik yang kompleks. Di bawah ini adalah beberapa kursus yang kami rekomendasikan untuk membantu Anda memulai. Anda dapat menjelajahinya bersama-sama, atau cukup memilih salah satu yang dirasa paling relevan bagi Anda.

Ingat, semakin banyak Anda belajar, dan memperkuat konsep ini melalui praktik, semakin mahir Anda dalam membangun dan mengevaluasi model ML Anda sendiri.

Ikuti kursus ini:

CS231n: Convolutional Neural Networks for Visual Recognition adalah kumpulan video kuliah dan slide dari Stanford tentang detail arsitektur deep learning, dengan fokus pada model pembelajaran end-to-end untuk tugas-tugas computer vision. Ini adalah kursus yang sangat bagus dan tempat yang bagus untuk memulai. Kursus MIT 6.S191: Pengantar Deep Learning adalah kursus pengantar yang lebih singkat tentang Deep Learning dengan TensorFlow dari MIT dan juga sumber daya yang bagus. Anda juga dapat mencoba kumpulan kursus dan ceramah MIT Deep Learning tentang pembelajaran mendalam, pembelajaran penguatan mendalam, kendaraan otonom, dan kecerdasan buatan, yang diajarkan oleh Lex Fridman . "

Terakhir, Spesialisasi Pembelajaran Mendalam Andrew Ng di Coursera memiliki lima kursus di mana Anda mempelajari dasar-dasar pembelajaran mendalam, termasuk jaringan Konvolusional, RNNS, LSTM, dan banyak lagi. Spesialisasi ini dirancang untuk membantu Anda menerapkan pembelajaran mendalam dalam pekerjaan Anda, dan untuk membangun karier di AI.

Kursus online menengah
CS231n: Jaringan Neural Konvolusional untuk Pengenalan Visual

Kursus ini mendalami detail arsitektur deep learning, dengan fokus pada model pembelajaran end-to-end untuk tugas-tugas computer vision, khususnya klasifikasi gambar. Jelajahi video kuliah, slide, dan catatan silabus sebelumnya dari iterasi kursus sebelumnya.

Kursus online menengah
Kursus MIT 6.S191: Pengantar Pembelajaran Mendalam

Dalam kursus dari MIT ini, Anda akan mendapatkan pengetahuan dasar tentang algoritme deep learning, dan mendapatkan pengalaman praktis dalam membuat jaringan neural di TensorFlow.

Kursus online menengah
MIT Deep Learning

Kumpulan kursus dan kuliah MIT tentang pembelajaran mendalam, pembelajaran penguatan mendalam, kendaraan otonom, dan kecerdasan buatan yang diajarkan oleh Lex Fridman.

Kursus online menengah
deeplearning.ai: Spesialisasi Pembelajaran Mendalam

Dalam lima kursus, Anda akan mempelajari dasar-dasar Pembelajaran Mendalam, dan cara membangun jaringan saraf.

⬆ Dan ⬇ Baca buku-buku ini:

Untuk melengkapi apa yang Anda pelajari dalam kursus yang tercantum di atas, kami menyarankan Anda untuk menyelami lebih dalam dengan membaca buku-buku di bawah ini. Setiap buku tersedia online, dan menawarkan materi tambahan untuk membantu Anda berlatih.

Anda bisa mulai dengan membaca Deep Learning: An MIT Press Book oleh Ian Goodfellow, Yoshua Bengio, dan Aaron Courville. Buku teks Pembelajaran Mendalam adalah sumber daya lanjutan yang dimaksudkan untuk membantu siswa memperdalam pemahaman mereka. Buku ini disertai dengan situs web , yang menyediakan berbagai materi tambahan, termasuk latihan, slide kuliah, koreksi kesalahan, dan sumber daya lain untuk memberi Anda praktik langsung dengan konsep.

Anda juga dapat menjelajahi buku online Michael Nielsen, Neural Networks and Deep Learning . Buku ini memberikan latar belakang teoritis tentang jaringan saraf. Ini tidak menggunakan TensorFlow, tetapi merupakan referensi yang bagus bagi siswa yang tertarik untuk mempelajari lebih lanjut.

Buku
Pembelajaran Mendalam: Buku Pers MIT, oleh Ian Goodfellow, Yoshua Bengio, dan Aaron Courville

Buku teks Pembelajaran Mendalam ini adalah sumber daya yang dimaksudkan untuk membantu siswa dan praktisi memasuki bidang pembelajaran mesin, dengan penekanan pada pembelajaran yang mendalam.

Buku
Neural Networks and Deep Learning, oleh Michael Nielsen

Buku ini memberikan latar belakang teoritis tentang jaringan saraf. Ini tidak menggunakan TensorFlow, tetapi merupakan referensi yang bagus.

Langkah 3: Baca dan terapkan makalah dengan TensorFlow

Pada titik ini, kami merekomendasikan membaca makalah dan mencoba tutorial lanjutan di situs web kami, yang berisi implementasi dari beberapa publikasi terkenal. Cara terbaik untuk mempelajari aplikasi tingkat lanjut, terjemahan mesin , atau pembuatan teks gambar , adalah dengan membaca makalah yang ditautkan dari tutorial. Saat Anda mengerjakannya, temukan bagian yang relevan dari kode, dan gunakan itu untuk membantu memperkuat pemahaman Anda.