TensorFlow Ресурсы Изучение машинного обучения Руководство

Теоретическое и продвинутое машинное обучение с TensorFlow

Прежде чем приступить к изучению учебных материалов, приведенных ниже, убедитесь, что:

  1. Пройдите нашу учебную программу Основы машинного обучения с TensorFlow или получите эквивалентные знания

  2. Иметь опыт разработки программного обеспечения, особенно на Python

Эта учебная программа является отправной точкой для людей, которые хотели бы:

  1. Улучшить их понимание машинного обучения

  2. Начните понимать и реализовывать документы с TensorFlow

Прежде чем продолжить, у вас уже должны быть базовые знания о том, как работает машинное обучение, или вы изучили учебные материалы в учебной программе для начинающих «Основы машинного обучения с TensorFlow» . Приведенный ниже контент предназначен для того, чтобы познакомить учащихся с более теоретическими и продвинутыми материалами по машинному обучению. Вы увидите, что многие ресурсы используют TensorFlow, однако знания можно перенести в другие фреймворки машинного обучения.

Чтобы лучше понять машинное обучение, у вас должен быть опыт программирования на Python, а также знания в области исчисления, линейной алгебры, вероятности и статистики. Чтобы помочь вам углубить свои знания в области машинного обучения, мы перечислили ряд рекомендуемых ресурсов и курсов из университетов, а также несколько учебников.

Шаг 1. Освежите свое понимание математических концепций

ML — тяжелая математическая дисциплина. Если вы планируете изменять модели машинного обучения или создавать новые с нуля, важно знать основные математические концепции. Вам не нужно заранее изучать всю математику, но вместо этого вы можете искать понятия, с которыми вы не знакомы, по мере того, как вы с ними сталкиваетесь. Если вы давно не посещали математический курс, попробуйте просмотреть плейлисты «Основы линейной алгебры » и «Основы исчисления » от 3blue1brown, чтобы освежиться. Мы рекомендуем вам продолжить, пройдя курс в университете или просмотрев открытые лекции Массачусетского технологического института, такие как линейная алгебра или исчисление с одной переменной .

Суть линейной алгебры
от 3Blue1Brown

Серия коротких наглядных видеороликов от 3blue1brown, которые объясняют геометрическое понимание матриц, определителей, собственных веществ и многого другого.

Суть исчисления
от 3Blue1Brown

Серия коротких наглядных видеороликов от 3blue1brown, которые объясняют основы исчисления таким образом, чтобы дать вам четкое представление об основных теоремах, а не только о том, как работают уравнения.

MIT 18.06: Линейная алгебра

Этот вводный курс Массачусетского технологического института охватывает теорию матриц и линейную алгебру. Особое внимание уделяется темам, которые будут полезны в других дисциплинах, включая системы уравнений, векторные пространства, определители, собственные значения, подобия и положительно определенные матрицы.

MIT 18.01: Расчет с одной переменной

Этот вводный курс исчисления от Массачусетского технологического института охватывает дифференциацию и интеграцию функций одной переменной с приложениями.

Шаг 2. Углубите свое понимание глубокого обучения с помощью этих курсов и книг

Не существует единого курса, который научит вас всему, что вам нужно знать о глубоком обучении. Один из подходов, который может оказаться полезным, — пройти несколько курсов одновременно. Несмотря на то, что материал может частично совпадать, может быть полезно, если несколько инструкторов объясняют концепции по-разному, особенно по сложным темам. Ниже приведены несколько курсов, которые мы рекомендуем, чтобы помочь вам начать работу. Вы можете изучить каждый из них вместе или просто выбрать те, которые кажутся вам наиболее актуальными.

Помните, чем больше вы узнаете и закрепите эти концепции на практике, тем более искусными вы будете в построении и оценке собственных моделей машинного обучения.

Пройдите эти курсы:

Курс Массачусетского технологического института 6.S191: Введение в глубокое обучение — это вводный курс по глубокому обучению с TensorFlow от Массачусетского технологического института, а также замечательный ресурс.

Специализация Эндрю Нг в Deep Learning на Coursera также учит основам глубокого обучения, включая сверточные сети, RNNS, LSTM и многое другое. Эта специализация предназначена для того, чтобы помочь вам применять глубокое обучение в своей работе и построить карьеру в области искусственного интеллекта.

MIT 6.S191: Введение в глубокое обучение

В этом курсе Массачусетского технологического института вы получите базовые знания об алгоритмах глубокого обучения и получите практический опыт построения нейронных сетей в TensorFlow.

Специализация глубокого обучения

На пяти курсах вы изучите основы глубокого обучения, поймете, как создавать нейронные сети, а также узнаете, как руководить успешными проектами машинного обучения и строить карьеру в области искусственного интеллекта. Вы освоите не только теорию, но и увидите, как она применяется в промышленности.

⬆ И ⬇ Прочтите эти книги:

Чтобы дополнить то, что вы изучаете на перечисленных выше курсах, мы рекомендуем вам погрузиться глубже, прочитав книги ниже. Каждая книга доступна в Интернете и предлагает дополнительные материалы, которые помогут вам практиковаться.

Вы можете начать с чтения « Глубокое обучение: книга для прессы Массачусетского технологического института » Яна Гудфеллоу, Йошуа Бенджио и Аарона Курвилля. Учебник по глубокому обучению — это расширенный ресурс, призванный помочь учащимся углубить свое понимание. Книга сопровождается веб-сайтом , на котором размещены различные дополнительные материалы, в том числе упражнения, слайды лекций, исправления ошибок и другие ресурсы, которые помогут вам попрактиковаться в изучении концепций.

Вы также можете изучить онлайн-книгу Майкла Нильсена « Нейронные сети и глубокое обучение» . В этой книге представлены теоретические основы нейронных сетей. Он не использует TensorFlow, но является отличным справочником для студентов, заинтересованных в получении дополнительной информации.

Глубокое обучение
Ян Гудфеллоу, Йошуа Бенджио и Аарон Курвиль

Этот учебник по глубокому обучению — это ресурс, предназначенный для того, чтобы помочь студентам и практикам войти в область машинного обучения в целом и глубокого обучения в частности.

Нейронные сети и глубокое обучение
Майкл Нильсен

В этой книге представлены теоретические основы нейронных сетей. Он не использует TensorFlow, но является отличным справочником для студентов, заинтересованных в получении дополнительной информации.

Шаг 3: Прочтите и реализуйте документы с помощью TensorFlow

На этом этапе мы рекомендуем прочитать статьи и попробовать расширенные учебные пособия на нашем веб-сайте, которые содержат реализации нескольких известных публикаций. Лучший способ научиться работе с продвинутыми приложениями, машинным переводом или субтитрами к изображениям — прочитать документ, ссылка на который приведена в руководстве. Работая с ним, найдите соответствующие разделы кода и используйте их, чтобы укрепить свое понимание.

,
TensorFlow Ресурсы Изучение машинного обучения Руководство

Теоретическое и продвинутое машинное обучение с TensorFlow

Прежде чем приступить к изучению учебных материалов, приведенных ниже, убедитесь, что:

  1. Пройдите нашу учебную программу Основы машинного обучения с TensorFlow или получите эквивалентные знания

  2. Иметь опыт разработки программного обеспечения, особенно на Python

Эта учебная программа является отправной точкой для людей, которые хотели бы:

  1. Улучшить их понимание машинного обучения

  2. Начните понимать и реализовывать документы с TensorFlow

Прежде чем продолжить, у вас уже должны быть базовые знания о том, как работает машинное обучение, или вы изучили учебные материалы в учебной программе для начинающих «Основы машинного обучения с TensorFlow» . Приведенный ниже контент предназначен для того, чтобы познакомить учащихся с более теоретическими и продвинутыми материалами по машинному обучению. Вы увидите, что многие ресурсы используют TensorFlow, однако знания можно перенести в другие фреймворки машинного обучения.

Чтобы лучше понять машинное обучение, у вас должен быть опыт программирования на Python, а также знания в области исчисления, линейной алгебры, вероятности и статистики. Чтобы помочь вам углубить свои знания в области машинного обучения, мы перечислили ряд рекомендуемых ресурсов и курсов из университетов, а также несколько учебников.

Шаг 1. Освежите свое понимание математических концепций

ML — тяжелая математическая дисциплина. Если вы планируете изменять модели машинного обучения или создавать новые с нуля, важно знать основные математические концепции. Вам не нужно заранее изучать всю математику, но вместо этого вы можете искать понятия, с которыми вы не знакомы, по мере того, как вы с ними сталкиваетесь. Если вы давно не посещали математический курс, попробуйте просмотреть плейлисты «Основы линейной алгебры » и «Основы исчисления » от 3blue1brown, чтобы освежиться. Мы рекомендуем вам продолжить, пройдя курс в университете или просмотрев открытые лекции Массачусетского технологического института, такие как линейная алгебра или исчисление с одной переменной .

Суть линейной алгебры
от 3Blue1Brown

Серия коротких наглядных видеороликов от 3blue1brown, которые объясняют геометрическое понимание матриц, определителей, собственных веществ и многого другого.

Суть исчисления
от 3Blue1Brown

Серия коротких наглядных видеороликов от 3blue1brown, которые объясняют основы исчисления таким образом, чтобы дать вам четкое представление об основных теоремах, а не только о том, как работают уравнения.

MIT 18.06: Линейная алгебра

Этот вводный курс Массачусетского технологического института охватывает теорию матриц и линейную алгебру. Особое внимание уделяется темам, которые будут полезны в других дисциплинах, включая системы уравнений, векторные пространства, определители, собственные значения, подобия и положительно определенные матрицы.

MIT 18.01: Расчет с одной переменной

Этот вводный курс исчисления от Массачусетского технологического института охватывает дифференциацию и интеграцию функций одной переменной с приложениями.

Шаг 2. Углубите свое понимание глубокого обучения с помощью этих курсов и книг

Не существует единого курса, который научит вас всему, что вам нужно знать о глубоком обучении. Один из подходов, который может оказаться полезным, — пройти несколько курсов одновременно. Несмотря на то, что материал может частично совпадать, может быть полезно, если несколько инструкторов объясняют концепции по-разному, особенно по сложным темам. Ниже приведены несколько курсов, которые мы рекомендуем, чтобы помочь вам начать работу. Вы можете изучить каждый из них вместе или просто выбрать те, которые кажутся вам наиболее актуальными.

Помните, чем больше вы узнаете и закрепите эти концепции на практике, тем более искусными вы будете в построении и оценке собственных моделей машинного обучения.

Пройдите эти курсы:

Курс Массачусетского технологического института 6.S191: Введение в глубокое обучение — это вводный курс по глубокому обучению с TensorFlow от Массачусетского технологического института, а также замечательный ресурс.

Специализация Эндрю Нг в Deep Learning на Coursera также учит основам глубокого обучения, включая сверточные сети, RNNS, LSTM и многое другое. Эта специализация предназначена для того, чтобы помочь вам применять глубокое обучение в своей работе и построить карьеру в области искусственного интеллекта.

MIT 6.S191: Введение в глубокое обучение

В этом курсе Массачусетского технологического института вы получите базовые знания об алгоритмах глубокого обучения и получите практический опыт построения нейронных сетей в TensorFlow.

Специализация глубокого обучения

На пяти курсах вы изучите основы глубокого обучения, поймете, как создавать нейронные сети, а также узнаете, как руководить успешными проектами машинного обучения и строить карьеру в области искусственного интеллекта. Вы освоите не только теорию, но и увидите, как она применяется в промышленности.

⬆ И ⬇ Прочтите эти книги:

Чтобы дополнить то, что вы изучаете на перечисленных выше курсах, мы рекомендуем вам погрузиться глубже, прочитав книги ниже. Каждая книга доступна в Интернете и предлагает дополнительные материалы, которые помогут вам практиковаться.

Вы можете начать с чтения « Глубокое обучение: книга для прессы Массачусетского технологического института » Яна Гудфеллоу, Йошуа Бенджио и Аарона Курвилля. Учебник по глубокому обучению — это расширенный ресурс, призванный помочь учащимся углубить свое понимание. Книга сопровождается веб-сайтом , на котором размещены различные дополнительные материалы, в том числе упражнения, слайды лекций, исправления ошибок и другие ресурсы, которые помогут вам попрактиковаться в изучении концепций.

Вы также можете изучить онлайн-книгу Майкла Нильсена « Нейронные сети и глубокое обучение» . В этой книге представлены теоретические основы нейронных сетей. Он не использует TensorFlow, но является отличным справочником для студентов, заинтересованных в получении дополнительной информации.

Глубокое обучение
Ян Гудфеллоу, Йошуа Бенджио и Аарон Курвиль

Этот учебник по глубокому обучению — это ресурс, предназначенный для того, чтобы помочь студентам и практикам войти в область машинного обучения в целом и глубокого обучения в частности.

Нейронные сети и глубокое обучение
Майкл Нильсен

В этой книге представлены теоретические основы нейронных сетей. Он не использует TensorFlow, но является отличным справочником для студентов, заинтересованных в получении дополнительной информации.

Шаг 3: Прочтите и реализуйте документы с помощью TensorFlow

На этом этапе мы рекомендуем прочитать статьи и попробовать расширенные учебные пособия на нашем веб-сайте, которые содержат реализации нескольких известных публикаций. Лучший способ научиться работе с продвинутыми приложениями, машинным переводом или субтитрами к изображениям — прочитать документ, ссылка на который приведена в руководстве. Работая с ним, найдите соответствующие разделы кода и используйте их, чтобы укрепить свое понимание.