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

TensorFlow 機器學習理論與進階知識

開始使用下方的學習教材之前,請確認你符合下列條件:

  1. 完成我們的 TensorFlow 機器學習基本知識課程,或是具備同等知識

  2. 具備軟體開發經驗,特別是 Python 開發經驗

如果你想達成下列目標,就很適合從本課程著手:

  1. 增進對機器學習的理解

  2. 著手瞭解論文資料並使用 TensorFlow 實作相關程式碼

在繼續學習其他內容之前,你應該已經具備機器學習運作方式的背景知識,或已完成初學者課程「TensorFlow 機器學習基本知識」中的學習教材。以下內容旨在引導學習者認識更多理論和進階機器學習內容。你會發現許多資源都使用 TensorFlow,但這項知識也可以轉移到其他機器學習架構。

為了更深入瞭解機器學習,你應該具備 Python 程式設計經驗,以及微積分、線性代數、機率和統計方面的背景知識。為了協助加深你對機器學習的瞭解,我們列出了一些推薦的資源和大學課程,以及幾本教科書。

步驟 1:複習一下數學概念

機器學習是一門與數學息息相關的學科,如果你打算修改機器學習模型或從頭打造全新模型,那麼過程中勢必得掌握基礎數學概念。但也不必一口氣先學完所有的數學,只要在遇到不熟悉的概念時查些資料即可。如果你已經很久沒上數學課了,可以考慮觀看 3blue1brown 的 Essence of linear algebraEssence of calculus 播放清單,快速複習一下。想更進階的話,建議修習大學課程,或觀看 MIT 的開放式講座,例如 Linear AlgebraSingle Variable Calculus

數學概念
3blue1brown 的《Essence of Linear Algebra》

3blue1brown 提供的一系列視覺化短片,講解矩陣、行列式、本徵向量等的幾何意義。

數學概念
3blue1brown 的《Essence of Calculus》

3blue1brown 提供的一系列視覺化短片,講解微積分的基本原理,並著重說明基本定理。

數學概念
MIT course 18.06: Linear Algebra

MIT 的這堂入門課程介紹了矩陣理論和線性代數。

數學概念
MIT course 18.01: Single Variable Calculus

MIT 的這堂初級微積分課程介紹了單變量函式的微分和積分,並輔以應用說明。

步驟 2:透過這些課程和書籍,加深你對深度學習的理解

並沒有哪門課程可以一次教完深度學習的所有知識。可能比較有用的做法是同時學習幾門課程。雖然教材會有所重疊,但讓多位講師以不同的方式講解概念可能會有幫助,尤其是較為複雜的主題。以下是我們推薦的新手入門課程。你可以逐一探索所有主題,也可以只選擇與自身最相關的主題。 \切記,學得越多,並藉由練習來強化這些概念,你就能越熟練地打造、評估自己的機器學習模型。

參加以下課程:

CS231n: Convolutional Neural Networks for Visual Recognition 收錄了史丹佛大學有關深度學習架構細節的授課影片和簡報,主軸為學習電腦視覺任務的端對端模型。這是一門很棒的課程,也是絕佳的起點。MIT course 6.S191: Introduction to Deep Learning 是麻省理工學院 (MIT) 提供的 TensorFlow 深度學習入門課程,長度較短,也是很棒的資源。你也可以試試從 MIT Deep Learning 著手,當中收錄了 Lex Fridman 所講授的課程,內容涵蓋深度學習、深度強化學習、自動駕駛車輛和人工智慧。

最後,Andrew Ng 在 Coursera 提供的開創性 Deep Learning Specialization 學程包含五門課程,可學到深度學習的基礎,包括卷積網路、循環類神經網路 (RNN)、長短期記憶模型 (LSTM) 等等。這項專業認證旨在協助你將深度學習應用於工作,並開創 AI 事業。

中級線上課程
CS231n: Convolutional Neural Networks for Visual Recognition

本課程深入探討了深度學習架構的細節,主軸為學習電腦視覺任務 (特別是圖片分類) 的端對端模型。瀏覽本課程先前授課內容的講座影片、投影片和課程大綱。

中級線上課程
MIT course 6.S191: Introduction to Deep Learning

在這門 MIT 課程中,你可以從中獲得深度學習演算法基礎知識,以及使用 TensorFlow 打造類神經網路的實務經驗。

中級線上課程
MIT Deep Learning

這收錄了 MIT 提供的課程,由 Lex Fridman 所講授,內容涵蓋深度學習、深度強化學習、自動駕駛車輛和人工智慧。

中級線上課程
deeplearning.ai:深度學習專業認證

在這五門課程中,你將學到深度學習的基礎,以及如何打造類神經網路。

⬆ 和 ⬇ 閱讀這些書籍:

為補充在上述課程中學到的內容,建議閱讀以下書籍,學習更深入的知識。每本書均可在線上取得,並提供補充教材來幫助你練習。

可以先閱讀 Ian Goodfellow、Yoshua Bengio、Aaron Courville 所著的《Deep Learning: An MIT Press Book》。本深度學習教科書是幫助學生加深理解的進階資源。本書有一個搭配的網站,提供了各種補充教材,包括練習題、講義投影片、錯誤更正,以及其他資源,讓你動手實作這些概念。

你也可以參閱 Michael Nielsen 的線上書籍《Neural Networks and Deep Learning》。本書提供了有關類神經網路的理論背景。書中未使用到 TensorFlow,但對有興趣瞭解詳情的學生來說是很棒的參考資料。

書籍
《Deep Learning: An MIT Press Book》,作者:Ian Goodfellow、Yoshua Bengio 和 Aaron Courville

本深度學習教科書是旨在幫助學生和從業人員進入機器學習領域 (側重深度學習) 的資源。

書籍
《Neural Networks and Deep Learning》,作者:Michael Nielsen

本書提供了有關類神經網路的理論背景。書中未使用到 TensorFlow,但仍是很棒的參考資料。

步驟 3:閱讀論文並使用 TensorFlow 進行實作

現階段,建議你閱讀論文資料並試試我們網站上的進階教學課程,當中包含一些知名出版品的實作資料。想要學習進階應用、機器翻譯圖片說明文字設定,最好的方法就是閱讀本教學課程連結的論文資料。在學習過程中,請找出相關的程式碼區段並善加運用,協助自己深入理解。