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

Теоретическое и продвинутое машинное обучение с TensorFlow

Перед тем, как приступить к изучению приведенных ниже учебных материалов, обязательно:

  1. Заполните нашу учебную программу Основы машинного обучения с TensorFlow , или эквивалентные знания

  2. Имеете опыт разработки программного обеспечения, особенно на Python.

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

  1. Улучшить понимание машинного обучения

  2. Начните понимать и реализовывать документы с TensorFlow

Вы уже должны иметь базовые знания о том , как ML работает или закончили учебные материалы в Начальный учебный план Основы машинного обучения с TensorFlow , прежде чем продолжить. Приведенный ниже контент предназначен для ознакомления учащихся с более теоретическими и продвинутыми материалами по машинному обучению. Вы увидите, что многие ресурсы используют TensorFlow, однако эти знания можно перенести на другие платформы машинного обучения.

Чтобы лучше понять ML, 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 по машинному обучению, мы перечислили ряд рекомендуемых ресурсов и курсов от университетов, а также пару учебников.

Шаг 1. Обновите свое понимание математических концепций

ML - это математическая дисциплина. Если вы планируете изменять модели машинного обучения или создавать новые с нуля, важно знать основные математические концепции. Вам не нужно изучать всю математику заранее, вместо этого вы можете искать понятия, с которыми вы не знакомы, когда сталкиваетесь с ними. Если это было некоторое время , так как вы взяли курс математики, попробуйте смотреть на сущность линейной алгебры и эссенцию исчисления плейлистов из 3blue1brown для освежения. Мы рекомендуем продолжать беря класс от университета, или смотреть открытые лекции доступа из MIT, например, линейной алгебры или одной переменной исчислению .

Сущность линейной алгебры
Автор: 3Blue1Brown

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

Сущность исчисления
Автор: 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, детерминанты, собственные значения, подобие и положительно определенные матрицы.

MIT 18.01: Исчисление с одной переменной

Этот вводный курс математики Массачусетского технологического института охватывает дифференцирование и интегрирование функций одной переменной с приложениями.

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

Не существует единого курса, который научил бы вас всему, что вам нужно знать о глубоком обучении. Один из подходов, который может оказаться полезным, - это одновременное посещение нескольких курсов. Несмотря на то, что материал будет частично совпадать, несколько преподавателей по-разному объясняют концепции, особенно в сложных темах. 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 важными.

Помните, что 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:

MIT курс 6.S191: Введение в Deep Learning вводный курс для глубокого обучения с TensorFlow из MIT , а также замечательный ресурс.

Эндрю Нг Deep Learning Специализация в Coursera также преподает основы глубокого изучения, в том числе сверточных сетей, RNNS, LSTMs, и многое другое. Эта специализация призвана помочь вам применить глубокое обучение в своей работе и построить карьеру в области искусственного интеллекта.

MIT 6.S191: Введение в глубокое обучение

В этом курсе от 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 научитесь 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 курсах, перечисленных выше, 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 Deep Learning: MIT Press Book Ян Гудфеллоу, Йошуа Бенджио и Аарон Courville. Учебник по глубокому обучению - это продвинутый ресурс, призванный помочь студентам углубить свои знания. Книга сопровождается веб - сайт , который предоставляет множество дополнительных материалов, в том числе упражнения, лекции горками, исправления ошибок и других ресурсов , чтобы дать вам руки на практике с понятиями.

Вы также можете исследовать онлайн книгу Майкла Нильсена Neural Networks и Deep Learning . Эта книга дает теоретические знания о нейронных сетях. Он не использует TensorFlow, но является отличным справочником для студентов, заинтересованных в получении дополнительных знаний.

Глубокое обучение
Ян Гудфеллоу, Йошуа Бенжио и Аарон Курвиль

Этот учебник по глубокому обучению - это ресурс, предназначенный для помощи студентам и практикам в области машинного обучения в целом и глубокого обучения в частности.

Нейронные сети и глубокое обучение
Майкл Нильсен

Эта книга дает теоретические знания о нейронных сетях. Он не использует TensorFlow, но является отличным справочником для студентов, заинтересованных в получении дополнительных знаний.

Шаг 3. Прочтите и реализуйте документы с помощью TensorFlow

На данный момент мы рекомендуем прочитать документы и попробовав современные учебники на нашем сайте, которые содержат реализацию нескольких хорошо известных изданий. Лучший способ узнать передовые приложения, машинный перевод или субтитры изображения , чтобы прочитать статью , связанную с учебника. По мере работы найдите соответствующие разделы кода и используйте их, чтобы укрепить свое понимание.