Meistere deinen Weg
Um ein Experte für maschinelles Lernen zu werden, müssen Sie zunächst ein starkes Fundament in vier Lernbereichen : Codierung, Mathematik, ML - Theorie, und wie Sie Ihr eigenes ML Projekt von Anfang bis Ende zu bauen.
Beginnen Sie mit TensorFlow der kuratierten curriculums diese vier Fähigkeiten zu verbessern, oder wählen Sie Ihren eigenen Lernpfad durch unsere Erkundung Ressourcen - Bibliothek unten.
Die vier Bereiche der maschinellen Lernausbildung
Wenn Sie Ihren Bildungsweg beginnen, ist es wichtig, zuerst zu verstehen, wie man ML lernt. Wir haben den Lernprozess in vier Wissensbereiche unterteilt, wobei jeder Bereich ein grundlegendes Teil des ML-Puzzles darstellt. Um Sie auf Ihrem Weg zu unterstützen, haben wir Bücher, Videos und Online-Kurse identifiziert, die Ihre Fähigkeiten verbessern und Sie darauf vorbereiten, ML für Ihre Projekte einzusetzen. Beginnen Sie mit unseren geführten Lehrplänen, die Ihr Wissen erweitern, oder wählen Sie Ihren eigenen Weg, indem Sie unsere Ressourcenbibliothek erkunden.
TensorFlow-Lehrpläne
Beginnen Sie mit dem Lernen mit einem unserer geführten Lehrpläne mit empfohlenen Kursen, Büchern und Videos.
Lernen Sie die Grundlagen von ML mit dieser Sammlung von Büchern und Online-Kursen. Sie werden mit scikit-learn in ML eingeführt, durch Deep Learning mit TensorFlow 2.0 geführt und haben dann die Möglichkeit, das Gelernte mit Anfänger-Tutorials zu üben.
Sobald Sie die Grundlagen des maschinellen Lernens verstanden haben, bringen Sie Ihre Fähigkeiten auf die nächste Stufe, indem Sie in das theoretische Verständnis von neuronalen Netzen, Deep Learning eintauchen und Ihr Wissen über die zugrunde liegenden mathematischen Konzepte verbessern.
Lernen Sie die Grundlagen der Entwicklung von Modellen für maschinelles Lernen in JavaScript und die direkte Bereitstellung im Browser. Sie erhalten eine High-Level-Einführung in Deep Learning und den Einstieg in TensorFlow.js durch praktische Übungen.
Bildungsressourcen
Wählen Sie Ihren eigenen Lernpfad und erkunden Sie Bücher, Kurse, Videos und Übungen, die vom TensorFlow-Team empfohlen werden, um Ihnen die Grundlagen von ML beizubringen.
Bücher
Lesen ist eine der besten Möglichkeiten, die Grundlagen von ML und Deep Learning zu verstehen. Bücher können Ihnen das theoretische Verständnis vermitteln, das Sie benötigen, um neue Konzepte in Zukunft schneller zu erlernen.
Dieses Einführungsbuch bietet einen Code-First-Ansatz, um zu lernen, wie die gängigsten ML-Szenarien implementiert werden, z. B. Computer Vision, Natural Language Processing (NLP) und Sequenzmodellierung für Web-, Mobil-, Cloud- und eingebettete Laufzeiten.
Dieses Buch ist eine praktische Einführung in Deep Learning mit Keras.
Anhand konkreter Beispiele, minimaler Theorie und zweier produktionsbereiter Python-Frameworks – Scikit-Learn und TensorFlow – hilft Ihnen dieses Buch, ein intuitives Verständnis der Konzepte und Werkzeuge zum Aufbau intelligenter Systeme zu erlangen.
Dieses Lehrbuch zu Deep Learning ist eine Ressource, die Studenten und Praktikern dabei helfen soll, in das Gebiet des maschinellen Lernens im Allgemeinen und des Deep Learning im Besonderen einzusteigen.
Dieses Buch bietet einen theoretischen Hintergrund zu neuronalen Netzen. Es verwendet kein TensorFlow, ist aber eine großartige Referenz für Schüler, die mehr erfahren möchten.
Ein praktischer End-to-End-Ansatz für die Grundlagen von TensorFlow.js für ein breites technisches Publikum. Wenn Sie dieses Buch beendet haben, wissen Sie, wie Sie mit TensorFlow.js produktionsreife Deep-Learning-Systeme erstellen und bereitstellen.
Dieses Buch wurde von den Hauptautoren der TensorFlow-Bibliothek geschrieben und bietet faszinierende Anwendungsfälle und detaillierte Anweisungen für Deep-Learning-Apps in JavaScript in Ihrem Browser oder auf Node.
Online Kurse
Die Teilnahme an einem mehrteiligen Online-Kurs ist eine gute Möglichkeit, die grundlegenden Konzepte von ML zu erlernen. Viele Kurse bieten großartige visuelle Erklärungen und die erforderlichen Tools, um maschinelles Lernen direkt am Arbeitsplatz oder bei Ihren persönlichen Projekten anzuwenden.
DeepLearning.KI
Einführung in TensorFlow für KI, ML und Deep LearningDieser in Zusammenarbeit mit dem TensorFlow-Team entwickelte Kurs ist Teil der TensorFlow-Entwicklerspezialisierung und vermittelt Ihnen Best Practices für die Verwendung von TensorFlow.
In diesem vom TensorFlow-Team und Udacity entwickelten Online-Kurs erfahren Sie, wie Sie mit TensorFlow Deep-Learning-Anwendungen erstellen.
DeepLearning.KI
TensorFlow-EntwicklerspezialisierungIn dieser vierstufigen Spezialisierung, die von einem TensorFlow-Entwickler unterrichtet wird, lernen Sie die Tools und Softwareentwickler kennen, die zum Erstellen skalierbarer KI-basierter Algorithmen in TensorFlow verwendet werden.
Google-Entwickler
Crashkurs für maschinelles LernenDer Crash-Kurs für maschinelles Lernen mit TensorFlow-APIs ist ein Leitfaden zum Selbststudium für angehende Praktiker des maschinellen Lernens. Es bietet eine Reihe von Lektionen mit Videovorträgen, Fallstudien aus der Praxis und praktischen Übungen.
In diesem Kurs vom MIT erwerben Sie grundlegende Kenntnisse über Deep-Learning-Algorithmen und sammeln praktische Erfahrungen beim Aufbau neuronaler Netze in TensorFlow.
DeepLearning.KI
Deep Learning-SpezialisierungIn fünf Kursen lernen Sie die Grundlagen von Deep Learning, verstehen, wie man neuronale Netze aufbaut, und lernen, erfolgreiche Machine-Learning-Projekte zu leiten und eine Karriere in der KI aufzubauen. Sie beherrschen nicht nur die Theorie, sondern sehen auch, wie sie in der Industrie angewendet wird.
DeepLearning.KI
TensorFlow: Daten- und BereitstellungsspezialisierungSie haben gelernt, wie man Modelle baut und trainiert. Lernen Sie jetzt in dieser Spezialisierung mit vier Kursen, durch verschiedene Bereitstellungsszenarien zu navigieren und Daten effektiver zu nutzen, um Ihr Modell zu trainieren.
DeepLearning.KI
TensorFlow: Spezialisierung auf fortgeschrittene TechnikenDiese Spezialisierung richtet sich an Software- und ML-Ingenieure mit einem grundlegenden Verständnis von TensorFlow, die ihr Wissen und ihre Fähigkeiten erweitern möchten, indem sie erweiterte TensorFlow-Funktionen erlernen, um leistungsstarke Modelle zu erstellen.
Mathematische Konzepte
Um Ihr ML-Wissen zu vertiefen, können Ihnen diese Ressourcen dabei helfen, die zugrunde liegenden mathematischen Konzepte zu verstehen, die für den Aufstieg auf höherem Niveau erforderlich sind.
Eine Vogelperspektive der linearen Algebra für maschinelles Lernen. Sie haben noch nie mit Linearer Algebra gearbeitet oder kennen sich ein wenig mit den Grundlagen aus und möchten ein Gefühl dafür bekommen, wie sie in ML verwendet wird? Dann ist dieses Video für Sie.
Imperial College London
Spezialisierung Mathematik für maschinelles LernenDiese Online-Spezialisierung von Coursera zielt darauf ab, die Lücke zwischen Mathematik und maschinellem Lernen zu schließen, Sie in der zugrunde liegenden Mathematik auf den neuesten Stand zu bringen, um ein intuitives Verständnis zu entwickeln und es mit Machine Learning und Data Science in Verbindung zu bringen.
3blue1brown konzentriert sich darauf, Mathematik mit einem visuellen Ansatz zu präsentieren. In dieser Videoserie lernen Sie die Grundlagen eines neuronalen Netzes und seine Funktionsweise anhand mathematischer Konzepte.
Eine Reihe kurzer, visueller Videos von 3blue1brown, die das geometrische Verständnis von Matrizen, Determinanten, Eigenmaterialien und mehr erklären.
Eine Reihe kurzer, visueller Videos von 3blue1brown, die die Grundlagen der Infinitesimalrechnung auf eine Weise erklären, die Ihnen ein solides Verständnis der fundamentalen Theoreme und nicht nur der Funktionsweise der Gleichungen vermittelt.
Dieser Einführungskurs des MIT behandelt die Matrixtheorie und die lineare Algebra. Der Schwerpunkt liegt auf Themen, die in anderen Disziplinen nützlich sein werden, einschließlich Gleichungssystemen, Vektorräumen, Determinanten, Eigenwerten, Ähnlichkeit und positiv definiten Matrizen.
Dieser Einführungskurs in die Analysis des MIT behandelt die Differenzierung und Integration von Funktionen einer Variablen mit Anwendungen.
Eine visuelle Einführung in Wahrscheinlichkeit und Statistik.
Dieses Buch bietet einen leicht zugänglichen Überblick über das Gebiet des statistischen Lernens, ein wesentliches Toolset, um die riesige und komplexe Welt der Datensätze zu verstehen, die zum Trainieren von Modellen im maschinellen Lernen erforderlich sind.
TensorFlow-Ressourcen
Wir haben unsere Lieblingsressourcen zusammengestellt, um Ihnen den Einstieg in die TensorFlow-Bibliotheken und -Frameworks zu erleichtern, die auf Ihre Bedürfnisse zugeschnitten sind. Wechseln zu unseren Sektionen für TensorFlow.js , TensorFlow Lite und TensorFlow Erweiterte .
Sie können auch die offizielle TensorFlow durchsuchen Führung und Anleitungen für die neuesten Beispiele und colabs.
Machine Learning Foundations ist ein kostenloser Schulungskurs, in dem Sie die Grundlagen zum Erstellen von maschinell gelernten Modellen mit TensorFlow erlernen.
Dieser ML Tech Talk ist für diejenigen gedacht, die die Grundlagen des maschinellen Lernens kennen, aber einen Überblick über die Grundlagen von TensorFlow (Tensoren, Variablen und Gradienten ohne Verwendung von High-Level-APIs) benötigen.
Dieser ML Tech Talk umfasst Repräsentationslernen, Familien neuronaler Netze und deren Anwendungen, einen ersten Blick in ein tiefes neuronales Netz und viele Codebeispiele und Konzepte von TensorFlow.
In dieser Serie betrachtet das TensorFlow-Team verschiedene Teile von TensorFlow aus der Codierungsperspektive mit Videos zur Verwendung der High-Level-APIs von TensorFlow, Verarbeitung natürlicher Sprache, neuronalem strukturiertem Lernen und mehr.
Erfahren Sie, wie Sie die gängigsten ML-Anwendungsfälle erkennen, einschließlich der Analyse von Multimedia, der Erstellung intelligenter Suche, der Umwandlung von Daten und wie Sie diese mit benutzerfreundlichen Tools schnell in Ihre App integrieren können.
Für Javascript
Entdecken Sie die neuesten Ressourcen bei TensorFlow.js .
Ein praktischer End-to-End-Ansatz für die Grundlagen von TensorFlow.js für ein breites technisches Publikum. Wenn Sie dieses Buch beendet haben, wissen Sie, wie Sie mit TensorFlow.js produktionsreife Deep-Learning-Systeme erstellen und bereitstellen.
Eine dreiteilige Serie, die sowohl das Training als auch die Ausführung von maschinell gelernten Modellen mit TensorFlow.js untersucht und Ihnen zeigt, wie Sie ein Modell für maschinelles Lernen in JavaScript erstellen, das direkt im Browser ausgeführt wird.
Als Teil einer größeren Serie über maschinelles Lernen und den Aufbau neuronaler Netze konzentriert sich diese Video-Playlist auf TensorFlow.js, die Kern-API, und die Verwendung der JavaScript-Bibliothek zum Trainieren und Bereitstellen von ML-Modellen.
Für Mobile & IoT
Entdecken Sie die neuesten Ressourcen bei TensorFlow Lite .
Google-Entwickler
Maschinelles Lernen auf dem GerätErfahren Sie, wie Sie Ihre erste geräteinterne ML-App mithilfe von Lernpfaden erstellen, die Schritt-für-Schritt-Anleitungen für gängige Anwendungsfälle bereitstellen, einschließlich Audioklassifizierung, visueller Produktsuche und mehr.
Erfahren Sie in diesem Kurs, der vom TensorFlow-Team und Udacity als praktischer Ansatz für die Modellbereitstellung für Softwareentwickler entwickelt wurde, wie Sie Deep-Learning-Modelle auf mobilen und eingebetteten Geräten mit TensorFlow Lite bereitstellen.
Sehen Sie sich an, wie Sie mit TFX ein Produktions-Pipeline-System zusammenstellen. Wir decken schnell alles ab, von der Datenerfassung über die Modellerstellung bis hin zur Bereitstellung und Verwaltung.
Dieses Buch führt Sie durch die Schritte zur Automatisierung einer ML-Pipeline mit dem TensorFlow-Ökosystem. Die Machine Learning-Beispiele in diesem Buch basieren auf TensorFlow und Keras, aber die Kernkonzepte können auf jedes Framework angewendet werden.
DeepLearning.KI
Machine Learning Engineering for Production (MLOps) SpezialisierungErweitern Sie Ihre produktionstechnischen Fähigkeiten in dieser vierstufigen Spezialisierung. Erfahren Sie, wie Sie integrierte Systeme konzipieren, erstellen und warten, die kontinuierlich in der Produktion arbeiten.
Dieser Fortgeschrittenenkurs behandelt TFX-Komponenten, Pipeline-Orchestrierung und -Automatisierung sowie die Verwaltung von ML-Metadaten mit Google Cloud.
Menschenzentrierte KI
Beim Entwerfen eines ML-Modells oder beim Erstellen von KI-gesteuerten Anwendungen ist es wichtig, die Personen zu berücksichtigen, die mit dem Produkt interagieren, und den besten Weg, Fairness, Interpretierbarkeit, Datenschutz und Sicherheit in diese KI-Systeme zu integrieren.
Erfahren Sie, wie Sie mit TensorFlow verantwortungsvolle KI-Praktiken in Ihren ML-Workflow integrieren.
Dieser Leitfaden von Google hilft Ihnen bei der Entwicklung von menschzentrierten KI-Produkten. Es ermöglicht Ihnen, häufige Fehler zu vermeiden, hervorragende Erfahrungen zu gestalten und sich bei der Entwicklung von KI-gesteuerten Anwendungen auf die Menschen zu konzentrieren.
Dieses einstündige Modul im MLCC von Google führt die Lernenden in verschiedene Arten menschlicher Vorurteile ein, die sich in Trainingsdaten manifestieren können, sowie in Strategien zur Identifizierung und Bewertung ihrer Auswirkungen.