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

การเรียนรู้ของเครื่องเชิงทฤษฎีและขั้นสูงด้วย TensorFlow

ก่อนเริ่มสื่อการเรียนรู้ด้านล่าง อย่าลืม:

  1. เสร็จสิ้นหลักสูตรของเรา พื้นฐานของการเรียนรู้ของเครื่องกับ TensorFlow หรือมีความรู้เทียบเท่า

  2. มีประสบการณ์การพัฒนาซอฟต์แวร์โดยเฉพาะใน Python

หลักสูตรนี้เป็นจุดเริ่มต้นสำหรับผู้ที่ต้องการ:

  1. ปรับปรุงความเข้าใจของ ML

  2. เริ่มทำความเข้าใจและดำเนินการเอกสารด้วย TensorFlow

แล้วคุณควรจะมีความรู้พื้นฐานของวิธีการทำงานของ ML หรือเสร็จสิ้นการสื่อการเรียนรู้ในหลักสูตรเริ่มต้น พื้นฐานของการเรียนรู้ของเครื่องกับ TensorFlow ก่อนดำเนินการต่อที่มีเนื้อหาที่เพิ่มขึ้นนี้ เนื้อหาด้านล่างมีจุดมุ่งหมายเพื่อเป็นแนวทางให้ผู้เรียนได้รู้จักกับเนื้อหาเชิงทฤษฎีและขั้นสูงของแมชชีนเลิร์นนิง คุณจะเห็นว่าทรัพยากรจำนวนมากใช้ TensorFlow อย่างไรก็ตาม ความรู้สามารถถ่ายโอนไปยังเฟรมเวิร์ก ML อื่นๆ ได้

เพื่อให้เข้าใจ ML มากขึ้น คุณควรมีประสบการณ์การเขียนโปรแกรม Python รวมทั้งมีพื้นฐานในแคลคูลัส พีชคณิตเชิงเส้น ความน่าจะเป็น และสถิติ เพื่อช่วยให้คุณมีความรู้ด้าน ML ลึกซึ้งยิ่งขึ้น เราได้แสดงรายการแหล่งข้อมูลและหลักสูตรที่แนะนำจำนวนหนึ่งจากมหาวิทยาลัย ตลอดจนหนังสือเรียนสองสามเล่ม

ขั้นตอนที่ 1: รีเฟรชความเข้าใจของคุณเกี่ยวกับแนวคิดทางคณิตศาสตร์

ML เป็นวิชาคณิตศาสตร์ที่หนักหน่วง หากคุณวางแผนที่จะปรับเปลี่ยนโมเดล ML หรือสร้างโมเดลใหม่ตั้งแต่ต้น ความคุ้นเคยกับแนวคิดทางคณิตศาสตร์พื้นฐานเป็นสิ่งสำคัญ คุณไม่จำเป็นต้องเรียนรู้คณิตศาสตร์ล่วงหน้าทั้งหมด แต่คุณสามารถค้นหาแนวคิดที่ไม่คุ้นเคยได้เมื่อเจอ หากจะได้รับในขณะที่ตั้งแต่คุณได้ดำเนินการหลักสูตรคณิตศาสตร์ให้ลองดู สาระสำคัญของพีชคณิตเชิงเส้น และ สาระสำคัญของแคลคูลัส รายการเพลงจาก 3blue1brown สำหรับทบทวน เราขอแนะนำให้คุณดำเนินการต่อโดยการเรียนจากมหาวิทยาลัยหรือดูเปิดการบรรยายการเข้าถึงจากเอ็มไอทีเช่น พีชคณิตเชิงเส้น หรือ แคลคูลัสตัวแปรเดียว

แนวคิดทางคณิตศาสตร์
สาระสำคัญของพีชคณิตเชิงเส้น โดย 3blue1brown

ชุดวิดีโอสั้นๆ จาก 3blue1brown ที่อธิบายความเข้าใจทางเรขาคณิตของเมทริกซ์ ดีเทอร์มิแนนต์ ส่วนประกอบไอเกน และอื่นๆ

แนวคิดทางคณิตศาสตร์
แก่นแท้ของแคลคูลัส โดย 3blue1brown

ชุดวิดีโอสั้นๆ จาก 3blue1brown ที่อธิบายพื้นฐานของแคลคูลัสโดยเน้นที่ทฤษฎีบทพื้นฐาน

แนวคิดทางคณิตศาสตร์
หลักสูตร MIT 18.06: พีชคณิตเชิงเส้น

หลักสูตรเบื้องต้นจาก MIT ครอบคลุมทฤษฎีเมทริกซ์และพีชคณิตเชิงเส้น

แนวคิดทางคณิตศาสตร์
หลักสูตร MIT 18.01: แคลคูลัสตัวแปรเดียว

หลักสูตรแคลคูลัสเบื้องต้นจาก MIT ครอบคลุมการสร้างความแตกต่างและการรวมฟังก์ชันของตัวแปรตัวเดียวเข้ากับการใช้งาน

ขั้นตอนที่ 2: ทำความเข้าใจเกี่ยวกับการเรียนรู้อย่างลึกซึ้งด้วยหลักสูตรและหนังสือเหล่านี้

ไม่มีหลักสูตรเดียวที่จะสอนทุกสิ่งที่คุณจำเป็นต้องรู้เกี่ยวกับการเรียนรู้เชิงลึก แนวทางหนึ่งที่อาจเป็นประโยชน์คือการเรียนสองสามหลักสูตรพร้อมกัน แม้ว่าเนื้อหาจะทับซ้อนกัน แต่การมีผู้สอนหลายคนอธิบายแนวคิดด้วยวิธีต่างๆ อาจเป็นประโยชน์ โดยเฉพาะในหัวข้อที่ซับซ้อน ด้านล่างนี้คือหลักสูตรต่างๆ ที่เราแนะนำเพื่อช่วยคุณในการเริ่มต้น คุณสามารถสำรวจแต่ละอันด้วยกันหรือเลือกอันที่รู้สึกว่าเกี่ยวข้องกับคุณมากที่สุด

โปรดจำไว้ว่า ยิ่งคุณเรียนรู้และเสริมสร้างแนวคิดเหล่านี้ผ่านการฝึกฝนมากเท่าไร คุณก็จะยิ่งเชี่ยวชาญในการสร้างและประเมินแบบจำลอง ML ของคุณเองมากขึ้นเท่านั้น

ใช้หลักสูตรเหล่านี้:

CS231n: Convolutional โครงข่ายประสาทสำหรับ Visual รับรู้ คือชุดของวิดีโอการบรรยายและภาพนิ่งจาก Stanford ในรายละเอียดของสถาปัตยกรรมการเรียนรู้ลึกที่มีความสำคัญในการเรียนรู้รูปแบบ end-to-end สำหรับงานวิสัยทัศน์คอมพิวเตอร์ หลักสูตรนี้เป็นหลักสูตรที่ยอดเยี่ยมและเป็นจุดเริ่มต้นที่ดี MIT แน่นอน 6.S191: รู้เบื้องต้นเกี่ยวกับการเรียนรู้ลึก เป็นหลักสูตรสั้นเบื้องต้นเกี่ยวกับการเรียนรู้ลึกกับ TensorFlow จากเอ็มไอทีและยังเป็นทรัพยากรที่ยอดเยี่ยม นอกจากนี้คุณยังสามารถลอง MIT เรียนรู้ลึก คอลเลกชันของหลักสูตรและการบรรยายเกี่ยวกับการเรียนรู้ลึกการเรียนรู้การเสริมแรงลึกยานพาหนะของตนเองและปัญญาประดิษฐ์สอนโดย ไฟแนนเชี่ Fridman ."

ในที่สุดแอนดรูอึ้งน้ำเชื้อ การเรียนรู้ลึกความเชี่ยวชาญที่ Coursera มีห้าหลักสูตรในที่ที่คุณเรียนรู้พื้นฐานของการเรียนรู้ที่ลึกรวมถึงเครือข่าย Convolutional, RNNS, LSTMs และอื่น ๆ ความเชี่ยวชาญพิเศษนี้ออกแบบมาเพื่อช่วยให้คุณใช้การเรียนรู้เชิงลึกในงานของคุณ และสร้างอาชีพใน AI

หลักสูตรออนไลน์ระดับกลาง
CS231n: Convolutional Neural Networks เพื่อการรู้จำภาพ

หลักสูตรนี้เป็นการลงลึกในรายละเอียดของสถาปัตยกรรมการเรียนรู้เชิงลึก โดยเน้นที่การเรียนรู้โมเดลแบบ end-to-end สำหรับงานคอมพิวเตอร์วิทัศน์ โดยเฉพาะอย่างยิ่งการจำแนกภาพ สำรวจวิดีโอบรรยาย สไลด์ และบันทึกย่อของหลักสูตรที่ผ่านมาจากการทำซ้ำของหลักสูตรครั้งก่อน

หลักสูตรออนไลน์ระดับกลาง
หลักสูตร MIT 6.S191: การเรียนรู้เชิงลึกเบื้องต้น

ในหลักสูตรนี้จาก MIT คุณจะได้รับความรู้พื้นฐานเกี่ยวกับอัลกอริธึมการเรียนรู้เชิงลึก และรับประสบการณ์จริงในการสร้างโครงข่ายประสาทเทียมใน TensorFlow

หลักสูตรออนไลน์ระดับกลาง
MIT Deep Learning

คอลเลกชันของหลักสูตร MIT และการบรรยายเกี่ยวกับการเรียนรู้เชิงลึก การเรียนรู้การเสริมแรงเชิงลึก ยานพาหนะอัตโนมัติ และปัญญาประดิษฐ์ที่สอนโดย Lex Fridman

หลักสูตรออนไลน์ระดับกลาง
deeplearning.ai: Deep Learning Specialization

ในห้าหลักสูตร คุณจะได้เรียนรู้พื้นฐานของ Deep Learning และวิธีสร้างโครงข่ายประสาทเทียม

⬆ และ ⬇ อ่านหนังสือเหล่านี้:

เพื่อเสริมสิ่งที่คุณเรียนรู้ในหลักสูตรข้างต้น เราขอแนะนำให้คุณดำน้ำลึกโดยการอ่านหนังสือด้านล่าง หนังสือแต่ละเล่มมีให้อ่านทางออนไลน์และมีเอกสารประกอบเพื่อช่วยให้คุณฝึกฝน

คุณสามารถเริ่มต้นโดยการอ่าน การเรียนรู้ลึก: การกด MIT หนังสือ โดยเอียน Goodfellow, โยชัวเบนจิโอและอาโรน Courville ตำราเรียนเชิงลึกเป็นแหล่งข้อมูลขั้นสูงที่มีจุดประสงค์เพื่อช่วยให้นักเรียนเข้าใจอย่างลึกซึ้งยิ่งขึ้น หนังสือเล่มนี้จะมาพร้อมกับ เว็บไซต์ ซึ่งมีความหลากหลายของวัสดุเสริมรวมทั้งการออกกำลังกายสไลด์บรรยายการแก้ไขข้อผิดพลาดและทรัพยากรอื่น ๆ เพื่อให้คุณมือในการปฏิบัติกับแนวคิด

นอกจากนี้คุณยังสามารถสำรวจหนังสือออนไลน์ไมเคิลนีลเซ่น โครงข่ายประสาทและการเรียนรู้ลึก หนังสือเล่มนี้ให้พื้นฐานทางทฤษฎีเกี่ยวกับโครงข่ายประสาทเทียม ไม่ได้ใช้ TensorFlow แต่เป็นข้อมูลอ้างอิงที่ดีสำหรับนักเรียนที่สนใจเรียนรู้เพิ่มเติม

หนังสือ
การเรียนรู้อย่างลึกซึ้ง: หนังสือข่าวของ MIT โดย Ian Goodfellow, Yoshua Bengio และ Aaron Courville

หนังสือเรียน Deep Learning เล่มนี้เป็นแหล่งข้อมูลเพื่อช่วยนักเรียนและผู้ปฏิบัติงานด้านการเรียนรู้ของเครื่อง โดยเน้นที่การเรียนรู้เชิงลึก

หนังสือ
โครงข่ายประสาทเทียมและการเรียนรู้เชิงลึก โดย Michael Nielsen

หนังสือเล่มนี้ให้พื้นฐานทางทฤษฎีเกี่ยวกับโครงข่ายประสาทเทียม ไม่ได้ใช้ TensorFlow แต่เป็นข้อมูลอ้างอิงที่ดี

ขั้นตอนที่ 3: อ่านและใช้เอกสารด้วย TensorFlow

ณ จุดนี้ เราแนะนำให้อ่านเอกสารและลองใช้บทช่วยสอนขั้นสูงบนเว็บไซต์ของเรา ซึ่งมีการนำสิ่งพิมพ์ที่รู้จักกันดีสองสามฉบับไปใช้งาน วิธีที่ดีที่สุดที่จะเรียนรู้โปรแกรมขั้นสูง, เครื่องแปลภาษา หรือ คำบรรยายภาพ คือการอ่านกระดาษที่เชื่อมโยงจากการกวดวิชา ในขณะที่คุณดำเนินการแก้ไข ให้ค้นหาส่วนที่เกี่ยวข้องของรหัส และใช้ส่วนเหล่านี้เพื่อช่วยเสริมความเข้าใจของคุณ