Sử dụng bộ sưu tập để sắp xếp ngăn nắp các trang
Lưu và phân loại nội dung dựa trên lựa chọn ưu tiên của bạn.
Làm chủ con đường của bạn
Để trở thành chuyên gia về học máy, trước tiên bạn cần có nền tảng vững chắc trong bốn lĩnh vực học tập : mã hóa, toán học, lý thuyết ML và cách xây dựng dự án ML của riêng bạn từ đầu đến cuối.
Khi bắt đầu con đường giáo dục của bạn, điều quan trọng trước tiên là phải hiểu cách học ML. Chúng tôi đã chia quá trình học tập thành bốn lĩnh vực kiến thức, trong đó mỗi lĩnh vực cung cấp một phần nền tảng của câu đố ML. Để giúp bạn trên con đường của mình, chúng tôi đã xác định sách, video và các khóa học trực tuyến sẽ nâng cao khả năng của bạn và chuẩn bị cho bạn sử dụng ML cho các dự án của mình. Bắt đầu với các chương trình giảng dạy có hướng dẫn của chúng tôi được thiết kế để nâng cao kiến thức của bạn hoặc chọn con đường riêng cho bạn bằng cách khám phá thư viện tài nguyên của chúng tôi.
Kỹ năng mã hóa: Xây dựng mô hình ML không chỉ bao gồm việc biết các khái niệm ML—nó yêu cầu mã hóa để thực hiện việc quản lý dữ liệu, điều chỉnh tham số và phân tích cú pháp các kết quả cần thiết để kiểm tra và tối ưu hóa mô hình của bạn.
Toán học và số liệu thống kê: ML là một môn học nặng về toán học, vì vậy nếu bạn dự định sửa đổi các mô hình ML hoặc xây dựng các mô hình mới từ đầu, thì việc làm quen với các khái niệm toán học cơ bản là rất quan trọng đối với quy trình.
Lý thuyết ML: Biết những điều cơ bản về lý thuyết ML sẽ giúp bạn có nền tảng để xây dựng và giúp bạn khắc phục sự cố khi có sự cố.
Xây dựng các dự án của riêng bạn: Bắt tay vào trải nghiệm với ML là cách tốt nhất để kiểm tra kiến thức của bạn, vì vậy, đừng ngại bắt đầu sớm với một cộng tác hoặc hướng dẫn đơn giản để thực hành.
Giáo trình TensorFlow
Bắt đầu học với một trong những chương trình giảng dạy có hướng dẫn của chúng tôi bao gồm các khóa học, sách và video được đề xuất.
Tìm hiểu những kiến thức cơ bản về ML với bộ sưu tập sách và khóa học trực tuyến này. Bạn sẽ được giới thiệu về ML và được hướng dẫn học sâu bằng TensorFlow 2.0. Sau đó, bạn sẽ có cơ hội thực hành những gì bạn học được với các hướng dẫn dành cho người mới bắt đầu.
Khi bạn hiểu những điều cơ bản về học máy, hãy nâng khả năng của bạn lên một tầm cao mới bằng cách đi sâu vào hiểu biết lý thuyết về mạng lưới thần kinh, học sâu và nâng cao kiến thức của bạn về các khái niệm toán học cơ bản.
Tìm hiểu kiến thức cơ bản về phát triển mô hình học máy bằng JavaScript và cách triển khai trực tiếp trong trình duyệt. Bạn sẽ được giới thiệu cấp cao về học sâu và cách bắt đầu với TensorFlow.js thông qua các bài tập thực hành.
Phương pháp giáo dục
Chọn lộ trình học tập của riêng bạn và khám phá sách, khóa học, video và bài tập do nhóm TensorFlow đề xuất để dạy cho bạn nền tảng của ML.
Sách
Các khóa học trực tuyến
khái niệm toán học
tài nguyên TF
AI lấy con người làm trung tâm
Sách
Đọc là một trong những cách tốt nhất để hiểu nền tảng của ML và deep learning. Sách có thể cung cấp cho bạn những hiểu biết lý thuyết cần thiết để giúp bạn học các khái niệm mới nhanh hơn trong tương lai.
Cuốn sách giới thiệu này cung cấp cách tiếp cận mã đầu tiên để tìm hiểu cách triển khai các kịch bản ML phổ biến nhất, chẳng hạn như thị giác máy tính, xử lý ngôn ngữ tự nhiên (NLP) và mô hình hóa trình tự cho web, thiết bị di động, đám mây và thời gian chạy nhúng.
Sử dụng các ví dụ cụ thể, lý thuyết tối thiểu và hai khung Python sẵn sàng sản xuất—Scikit-Learn và TensorFlow—cuốn sách này giúp bạn hiểu biết trực quan về các khái niệm và công cụ để xây dựng hệ thống thông minh.
của Ian Goodfellow, Yoshua Bengio và Aaron Courville
Cuốn sách giáo khoa Deep Learning này là một nguồn tài liệu nhằm giúp sinh viên và những người thực hành bước vào lĩnh vực machine learning nói chung và deep learning nói riêng.
Cuốn sách này cung cấp một nền tảng lý thuyết về mạng lưới thần kinh. Nó không sử dụng TensorFlow nhưng là tài liệu tham khảo tuyệt vời cho những sinh viên muốn tìm hiểu thêm.
Một cách tiếp cận thực tế từ đầu đến cuối đối với các nguyên tắc cơ bản của TensorFlow.js dành cho nhiều đối tượng kỹ thuật. Sau khi đọc xong cuốn sách này, bạn sẽ biết cách xây dựng và triển khai các hệ thống học sâu sẵn sàng cho sản xuất với TensorFlow.js.
của Shanqing Cai, Stanley Bileschi, Eric D. Nielsen với Francois Chollet
Được viết bởi các tác giả chính của thư viện TensorFlow, cuốn sách này cung cấp các trường hợp sử dụng hấp dẫn và hướng dẫn chuyên sâu cho các ứng dụng deep learning bằng JavaScript trong trình duyệt của bạn hoặc trên Node.
Tham gia một khóa học trực tuyến gồm nhiều phần là một cách hay để tìm hiểu các khái niệm cơ bản về ML. Nhiều khóa học cung cấp những giải thích trực quan tuyệt vời và các công cụ cần thiết để bắt đầu áp dụng machine learning trực tiếp tại nơi làm việc hoặc với các dự án cá nhân của bạn.
Được phát triển với sự cộng tác của nhóm TensorFlow, khóa học này là một phần của Chuyên môn dành cho nhà phát triển TensorFlow và sẽ hướng dẫn bạn các phương pháp hay nhất để sử dụng TensorFlow.
Trong Chuyên môn gồm bốn khóa này do nhà phát triển TensorFlow giảng dạy, bạn sẽ khám phá các công cụ và nhà phát triển phần mềm sử dụng để xây dựng các thuật toán hỗ trợ AI có thể mở rộng trong TensorFlow.
Khóa học cấp tốc về học máy với API TensorFlow là hướng dẫn tự học dành cho những người thực hành học máy đầy tham vọng. Nó có một loạt bài học với các bài giảng video, nghiên cứu điển hình trong thế giới thực và bài tập thực hành thực hành.
Trong khóa học này của MIT, bạn sẽ có được kiến thức nền tảng về các thuật toán học sâu và có được trải nghiệm thực tế trong việc xây dựng mạng lưới thần kinh trong TensorFlow.
Trong năm khóa học, bạn sẽ tìm hiểu các nền tảng của Deep Learning, hiểu cách xây dựng mạng lưới thần kinh và học cách lãnh đạo các dự án học máy thành công cũng như xây dựng sự nghiệp trong lĩnh vực AI. Bạn sẽ không chỉ nắm vững lý thuyết mà còn biết cách áp dụng nó trong công nghiệp.
Bạn đã học cách xây dựng và đào tạo mô hình. Bây giờ, hãy tìm hiểu cách điều hướng các kịch bản triển khai khác nhau và sử dụng dữ liệu hiệu quả hơn để đào tạo mô hình của bạn trong Chuyên ngành gồm bốn khóa học này.
Chuyên môn này dành cho các kỹ sư phần mềm và ML có hiểu biết nền tảng về TensorFlow, những người đang muốn mở rộng kiến thức và bộ kỹ năng của mình bằng cách học các tính năng nâng cao của TensorFlow để xây dựng các mô hình mạnh mẽ.
Tìm hiểu cách bạn có thể chú ý nhiều hơn đến nghiên cứu tiên tiến của mình hoặc cung cấp sức mạnh siêu việt trong ứng dụng web của bạn trong công việc trong tương lai cho khách hàng hoặc công ty mà bạn làm việc bằng học máy dựa trên web.
Để tìm hiểu sâu hơn về kiến thức ML của bạn, những tài nguyên này có thể giúp bạn hiểu các khái niệm toán học cơ bản cần thiết để thăng tiến ở cấp độ cao hơn.
Cái nhìn toàn cảnh về đại số tuyến tính cho học máy. Bạn chưa bao giờ học đại số tuyến tính hoặc biết một chút về những điều cơ bản và muốn tìm hiểu cách nó được sử dụng trong ML? Vậy thì video này là dành cho bạn.
Chuyên môn trực tuyến này của Coursera nhằm mục đích thu hẹp khoảng cách giữa toán học và học máy, giúp bạn tăng tốc về toán học cơ bản để xây dựng sự hiểu biết trực quan và liên hệ nó với Học máy và Khoa học dữ liệu.
3blue1Brown tập trung vào việc trình bày toán học theo cách tiếp cận trực quan. Trong loạt video này, bạn sẽ tìm hiểu những kiến thức cơ bản về mạng lưới thần kinh và cách nó hoạt động thông qua các khái niệm toán học.
Một loạt video ngắn, trực quan từ 3blue1 brown giải thích các nguyên tắc cơ bản của phép tính theo cách giúp bạn hiểu rõ về các định lý cơ bản chứ không chỉ cách hoạt động của các phương trình.
Khóa học giới thiệu này của MIT bao gồm lý thuyết ma trận và đại số tuyến tính. Nhấn mạnh vào các chủ đề sẽ hữu ích trong các ngành khác, bao gồm hệ phương trình, không gian vectơ, định thức, giá trị riêng, độ tương tự và ma trận xác định dương.
của Gareth James, Daniela Witten, Trevor Hastie và Rob Tibshirani
Cuốn sách này cung cấp cái nhìn tổng quan dễ tiếp cận về lĩnh vực học thống kê, một bộ công cụ thiết yếu để hiểu được thế giới rộng lớn và phức tạp của các bộ dữ liệu cần thiết để đào tạo các mô hình trong học máy.
Chúng tôi đã thu thập các tài nguyên yêu thích của mình để giúp bạn bắt đầu với các thư viện và khung TensorFlow dành riêng cho nhu cầu của bạn. Chuyển đến các phần của chúng tôi về TensorFlow.js , TensorFlow Lite và TFX .
Bạn cũng có thể duyệt qua hướng dẫn và hướng dẫn chính thức của TensorFlow để biết các ví dụ và cộng tác mới nhất.
ML Tech Talk này được thiết kế dành cho những người biết kiến thức cơ bản về Machine Learning nhưng cần có cái nhìn tổng quan về các nguyên tắc cơ bản của TensorFlow (tensor, biến và gradient mà không sử dụng API cấp cao).
Buổi nói chuyện công nghệ ML này bao gồm việc học về biểu diễn, các nhóm mạng thần kinh và ứng dụng của chúng, cái nhìn đầu tiên về mạng thần kinh sâu cũng như nhiều ví dụ và khái niệm mã từ TensorFlow.
Trong loạt bài này, Nhóm TensorFlow xem xét các phần khác nhau của TensorFlow từ góc độ mã hóa, với các video về cách sử dụng API cấp cao của TensorFlow, xử lý ngôn ngữ tự nhiên, học tập theo cấu trúc thần kinh, v.v.
Tìm hiểu cách phát hiện các trường hợp sử dụng ML phổ biến nhất, bao gồm phân tích đa phương tiện, xây dựng tìm kiếm thông minh, chuyển đổi dữ liệu và cách nhanh chóng tích hợp chúng vào ứng dụng của bạn bằng các công cụ thân thiện với người dùng.
Nhận kiến thức làm việc thực tế về cách sử dụng ML trong trình duyệt có JavaScript. Tìm hiểu cách viết mô hình tùy chỉnh từ khung vẽ trống, đào tạo lại mô hình thông qua học chuyển giao và chuyển đổi mô hình từ Python.
Một cách tiếp cận thực tế từ đầu đến cuối đối với các nguyên tắc cơ bản của TensorFlow.js dành cho nhiều đối tượng kỹ thuật. Sau khi đọc xong cuốn sách này, bạn sẽ biết cách xây dựng và triển khai các hệ thống học sâu sẵn sàng cho sản xuất với TensorFlow.js.
Loạt bài gồm 3 phần khám phá cả mô hình đào tạo và thực thi máy học với TensorFlow.js, đồng thời hướng dẫn bạn cách tạo mô hình máy học trong JavaScript thực thi trực tiếp trong trình duyệt.
Đi từ số 0 đến anh hùng với web ML bằng TensorFlow.js. Tìm hiểu cách tạo các ứng dụng web thế hệ tiếp theo có thể chạy phía máy khách và được sử dụng trên hầu hết mọi thiết bị.
Là một phần của loạt bài lớn hơn về học máy và xây dựng mạng lưới thần kinh, danh sách phát video này tập trung vào TensorFlow.js, API cốt lõi và cách sử dụng thư viện JavaScript để đào tạo và triển khai các mô hình ML.
Tìm hiểu cách xây dựng ứng dụng ML trên thiết bị đầu tiên của bạn thông qua các lộ trình học tập cung cấp hướng dẫn từng bước cho các trường hợp sử dụng phổ biến bao gồm phân loại âm thanh, tìm kiếm sản phẩm trực quan, v.v.
Tìm hiểu cách triển khai các mô hình học sâu trên thiết bị di động và thiết bị nhúng với TensorFlow Lite trong khóa học này, do nhóm TensorFlow và Udacity phát triển như một cách tiếp cận thực tế để triển khai mô hình cho các nhà phát triển phần mềm.
Tìm hiểu thực tế cách kết hợp hệ thống đường ống sản xuất với TFX. Chúng tôi sẽ nhanh chóng đề cập đến mọi thứ từ thu thập dữ liệu, xây dựng mô hình cho đến triển khai và quản lý.
Cuốn sách này sẽ hướng dẫn bạn các bước tự động hóa quy trình ML bằng hệ sinh thái TensorFlow. Các ví dụ về học máy trong cuốn sách này dựa trên TensorFlow và Keras, nhưng các khái niệm cốt lõi có thể được áp dụng cho bất kỳ khung công tác nào.
Mở rộng khả năng kỹ thuật sản xuất của bạn trong chuyên ngành bốn khóa học này. Tìm hiểu cách khái niệm hóa, xây dựng và duy trì các hệ thống tích hợp hoạt động liên tục trong sản xuất.
Khi thiết kế mô hình ML hoặc xây dựng các ứng dụng dựa trên AI, điều quan trọng là phải xem xét những người tương tác với sản phẩm và cách tốt nhất để xây dựng tính công bằng, khả năng diễn giải, quyền riêng tư và bảo mật cho các hệ thống AI này.
Cuốn sách hướng dẫn này của Google sẽ giúp bạn xây dựng các sản phẩm AI lấy con người làm trung tâm. Nó sẽ cho phép bạn tránh những lỗi phổ biến, thiết kế những trải nghiệm tuyệt vời và tập trung vào con người khi bạn xây dựng các ứng dụng dựa trên AI.
Mô-đun kéo dài một giờ này trong MLCC của Google giới thiệu cho người học các loại thành kiến khác nhau của con người có thể biểu hiện trong dữ liệu đào tạo cũng như các chiến lược để xác định và đánh giá tác động của chúng.
Để trở thành chuyên gia về học máy, trước tiên bạn cần có nền tảng vững chắc trong bốn lĩnh vực học tập : mã hóa, toán học, lý thuyết ML và cách xây dựng dự án ML của riêng bạn từ đầu đến cuối.
Khi bắt đầu con đường giáo dục của bạn, điều quan trọng trước tiên là phải hiểu cách học ML. Chúng tôi đã chia quá trình học tập thành bốn lĩnh vực kiến thức, trong đó mỗi lĩnh vực cung cấp một phần nền tảng của câu đố ML. Để giúp bạn trên con đường của mình, chúng tôi đã xác định sách, video và các khóa học trực tuyến sẽ nâng cao khả năng của bạn và chuẩn bị cho bạn sử dụng ML cho các dự án của mình. Bắt đầu với các chương trình giảng dạy có hướng dẫn của chúng tôi được thiết kế để nâng cao kiến thức của bạn hoặc chọn con đường riêng cho bạn bằng cách khám phá thư viện tài nguyên của chúng tôi.
Kỹ năng mã hóa: Xây dựng mô hình ML không chỉ bao gồm việc biết các khái niệm ML—nó yêu cầu mã hóa để thực hiện việc quản lý dữ liệu, điều chỉnh tham số và phân tích cú pháp các kết quả cần thiết để kiểm tra và tối ưu hóa mô hình của bạn.
Toán học và số liệu thống kê: ML là một môn học nặng về toán học, vì vậy nếu bạn dự định sửa đổi các mô hình ML hoặc xây dựng các mô hình mới từ đầu, thì việc làm quen với các khái niệm toán học cơ bản là rất quan trọng đối với quy trình.
Lý thuyết ML: Biết những điều cơ bản về lý thuyết ML sẽ giúp bạn có nền tảng để xây dựng và giúp bạn khắc phục sự cố khi có sự cố.
Xây dựng các dự án của riêng bạn: Bắt tay vào trải nghiệm với ML là cách tốt nhất để kiểm tra kiến thức của bạn, vì vậy, đừng ngại bắt đầu sớm với một cộng tác hoặc hướng dẫn đơn giản để thực hành.
Giáo trình TensorFlow
Bắt đầu học với một trong những chương trình giảng dạy có hướng dẫn của chúng tôi bao gồm các khóa học, sách và video được đề xuất.
Tìm hiểu những kiến thức cơ bản về ML với bộ sưu tập sách và khóa học trực tuyến này. Bạn sẽ được giới thiệu về ML và được hướng dẫn học sâu bằng TensorFlow 2.0. Sau đó, bạn sẽ có cơ hội thực hành những gì bạn học được với các hướng dẫn dành cho người mới bắt đầu.
Khi bạn hiểu những điều cơ bản về học máy, hãy nâng khả năng của bạn lên một tầm cao mới bằng cách đi sâu vào hiểu biết lý thuyết về mạng lưới thần kinh, học sâu và nâng cao kiến thức của bạn về các khái niệm toán học cơ bản.
Tìm hiểu kiến thức cơ bản về phát triển mô hình học máy bằng JavaScript và cách triển khai trực tiếp trong trình duyệt. Bạn sẽ được giới thiệu cấp cao về học sâu và cách bắt đầu với TensorFlow.js thông qua các bài tập thực hành.
Phương pháp giáo dục
Chọn lộ trình học tập của riêng bạn và khám phá sách, khóa học, video và bài tập do nhóm TensorFlow đề xuất để dạy cho bạn nền tảng của ML.
Sách
Các khóa học trực tuyến
khái niệm toán học
tài nguyên TF
AI lấy con người làm trung tâm
Sách
Đọc là một trong những cách tốt nhất để hiểu nền tảng của ML và deep learning. Sách có thể cung cấp cho bạn những hiểu biết lý thuyết cần thiết để giúp bạn học các khái niệm mới nhanh hơn trong tương lai.
Cuốn sách giới thiệu này cung cấp cách tiếp cận mã đầu tiên để tìm hiểu cách triển khai các kịch bản ML phổ biến nhất, chẳng hạn như thị giác máy tính, xử lý ngôn ngữ tự nhiên (NLP) và mô hình hóa trình tự cho web, thiết bị di động, đám mây và thời gian chạy nhúng.
Sử dụng các ví dụ cụ thể, lý thuyết tối thiểu và hai khung Python sẵn sàng sản xuất—Scikit-Learn và TensorFlow—cuốn sách này giúp bạn hiểu biết trực quan về các khái niệm và công cụ để xây dựng hệ thống thông minh.
của Ian Goodfellow, Yoshua Bengio và Aaron Courville
Cuốn sách giáo khoa Deep Learning này là một nguồn tài liệu nhằm giúp sinh viên và những người thực hành bước vào lĩnh vực machine learning nói chung và deep learning nói riêng.
Cuốn sách này cung cấp một nền tảng lý thuyết về mạng lưới thần kinh. Nó không sử dụng TensorFlow nhưng là tài liệu tham khảo tuyệt vời cho những sinh viên muốn tìm hiểu thêm.
Một cách tiếp cận thực tế từ đầu đến cuối đối với các nguyên tắc cơ bản của TensorFlow.js dành cho nhiều đối tượng kỹ thuật. Sau khi đọc xong cuốn sách này, bạn sẽ biết cách xây dựng và triển khai các hệ thống học sâu sẵn sàng cho sản xuất với TensorFlow.js.
của Shanqing Cai, Stanley Bileschi, Eric D. Nielsen với Francois Chollet
Được viết bởi các tác giả chính của thư viện TensorFlow, cuốn sách này cung cấp các trường hợp sử dụng hấp dẫn và hướng dẫn chuyên sâu về các ứng dụng deep learning bằng JavaScript trong trình duyệt của bạn hoặc trên Node.
Tham gia một khóa học trực tuyến gồm nhiều phần là một cách hay để tìm hiểu các khái niệm cơ bản về ML. Nhiều khóa học cung cấp những giải thích trực quan tuyệt vời và các công cụ cần thiết để bắt đầu áp dụng machine learning trực tiếp tại nơi làm việc hoặc với các dự án cá nhân của bạn.
Được phát triển với sự cộng tác của nhóm TensorFlow, khóa học này là một phần của Chuyên môn dành cho nhà phát triển TensorFlow và sẽ hướng dẫn bạn các phương pháp hay nhất để sử dụng TensorFlow.
Trong Chuyên môn gồm bốn khóa này do nhà phát triển TensorFlow giảng dạy, bạn sẽ khám phá các công cụ và nhà phát triển phần mềm sử dụng để xây dựng các thuật toán hỗ trợ AI có thể mở rộng trong TensorFlow.
Khóa học cấp tốc về học máy với API TensorFlow là hướng dẫn tự học dành cho những người thực hành học máy đầy tham vọng. Nó có một loạt bài học với các bài giảng video, nghiên cứu điển hình trong thế giới thực và bài tập thực hành thực hành.
Trong khóa học này của MIT, bạn sẽ có được kiến thức nền tảng về các thuật toán học sâu và có được trải nghiệm thực tế trong việc xây dựng mạng lưới thần kinh trong TensorFlow.
Trong năm khóa học, bạn sẽ tìm hiểu các nền tảng của Deep Learning, hiểu cách xây dựng mạng lưới thần kinh và học cách lãnh đạo các dự án học máy thành công cũng như xây dựng sự nghiệp trong lĩnh vực AI. Bạn sẽ không chỉ nắm vững lý thuyết mà còn biết cách áp dụng nó trong công nghiệp.
Bạn đã học cách xây dựng và đào tạo mô hình. Bây giờ, hãy tìm hiểu cách điều hướng các kịch bản triển khai khác nhau và sử dụng dữ liệu hiệu quả hơn để đào tạo mô hình của bạn trong Chuyên ngành gồm bốn khóa học này.
Chuyên môn này dành cho các kỹ sư phần mềm và ML có hiểu biết nền tảng về TensorFlow, những người đang muốn mở rộng kiến thức và bộ kỹ năng của mình bằng cách học các tính năng nâng cao của TensorFlow để xây dựng các mô hình mạnh mẽ.
Tìm hiểu cách bạn có thể chú ý nhiều hơn đến nghiên cứu tiên tiến của mình hoặc cung cấp sức mạnh siêu việt trong ứng dụng web của bạn trong công việc trong tương lai cho khách hàng hoặc công ty mà bạn làm việc bằng học máy dựa trên web.
Để tìm hiểu sâu hơn về kiến thức ML của bạn, những tài nguyên này có thể giúp bạn hiểu các khái niệm toán học cơ bản cần thiết để thăng tiến ở cấp độ cao hơn.
Cái nhìn toàn cảnh về đại số tuyến tính cho học máy. Bạn chưa bao giờ học đại số tuyến tính hoặc biết một chút về những điều cơ bản và muốn tìm hiểu cách nó được sử dụng trong ML? Vậy thì video này là dành cho bạn.
Chuyên môn trực tuyến này của Coursera nhằm mục đích thu hẹp khoảng cách giữa toán học và học máy, giúp bạn tăng tốc về toán học cơ bản để xây dựng sự hiểu biết trực quan và liên hệ nó với Học máy và Khoa học dữ liệu.
3blue1Brown tập trung vào việc trình bày toán học theo cách tiếp cận trực quan. Trong loạt video này, bạn sẽ tìm hiểu những kiến thức cơ bản về mạng lưới thần kinh và cách nó hoạt động thông qua các khái niệm toán học.
Một loạt video ngắn, trực quan từ 3blue1 brown giải thích các nguyên tắc cơ bản của phép tính theo cách giúp bạn hiểu rõ về các định lý cơ bản chứ không chỉ cách hoạt động của các phương trình.
Khóa học giới thiệu này của MIT bao gồm lý thuyết ma trận và đại số tuyến tính. Nhấn mạnh vào các chủ đề sẽ hữu ích trong các ngành khác, bao gồm hệ phương trình, không gian vectơ, định thức, giá trị riêng, độ tương tự và ma trận xác định dương.
của Gareth James, Daniela Witten, Trevor Hastie và Rob Tibshirani
Cuốn sách này cung cấp cái nhìn tổng quan dễ tiếp cận về lĩnh vực học thống kê, một bộ công cụ thiết yếu để hiểu được thế giới rộng lớn và phức tạp của các bộ dữ liệu cần thiết để đào tạo các mô hình trong học máy.
Chúng tôi đã thu thập các tài nguyên yêu thích của mình để giúp bạn bắt đầu với các thư viện và khung TensorFlow dành riêng cho nhu cầu của bạn. Chuyển đến các phần của chúng tôi về TensorFlow.js , TensorFlow Lite và TFX .
Bạn cũng có thể duyệt qua hướng dẫn và hướng dẫn chính thức của TensorFlow để biết các ví dụ và cộng tác mới nhất.
ML Tech Talk này được thiết kế dành cho những người biết kiến thức cơ bản về Machine Learning nhưng cần có cái nhìn tổng quan về các nguyên tắc cơ bản của TensorFlow (tensor, biến và gradient mà không sử dụng API cấp cao).
Buổi nói chuyện công nghệ ML này bao gồm việc học về biểu diễn, các nhóm mạng thần kinh và ứng dụng của chúng, cái nhìn đầu tiên về mạng thần kinh sâu cũng như nhiều ví dụ và khái niệm mã từ TensorFlow.
Trong loạt bài này, Nhóm TensorFlow xem xét các phần khác nhau của TensorFlow từ góc độ mã hóa, với các video về cách sử dụng API cấp cao của TensorFlow, xử lý ngôn ngữ tự nhiên, học tập theo cấu trúc thần kinh, v.v.
Tìm hiểu cách phát hiện các trường hợp sử dụng ML phổ biến nhất, bao gồm phân tích đa phương tiện, xây dựng tìm kiếm thông minh, chuyển đổi dữ liệu và cách nhanh chóng tích hợp chúng vào ứng dụng của bạn bằng các công cụ thân thiện với người dùng.
Nhận kiến thức làm việc thực tế về cách sử dụng ML trong trình duyệt có JavaScript. Tìm hiểu cách viết mô hình tùy chỉnh từ khung vẽ trống, đào tạo lại mô hình thông qua học chuyển giao và chuyển đổi mô hình từ Python.
Một cách tiếp cận thực tế từ đầu đến cuối đối với các nguyên tắc cơ bản của TensorFlow.js dành cho nhiều đối tượng kỹ thuật. Sau khi đọc xong cuốn sách này, bạn sẽ biết cách xây dựng và triển khai các hệ thống học sâu sẵn sàng cho sản xuất với TensorFlow.js.
Loạt bài gồm 3 phần khám phá cả mô hình đào tạo và thực thi máy học với TensorFlow.js, đồng thời hướng dẫn bạn cách tạo mô hình máy học trong JavaScript thực thi trực tiếp trong trình duyệt.
Đi từ số 0 đến anh hùng với web ML bằng TensorFlow.js. Tìm hiểu cách tạo các ứng dụng web thế hệ tiếp theo có thể chạy phía máy khách và được sử dụng trên hầu hết mọi thiết bị.
Là một phần của loạt bài lớn hơn về học máy và xây dựng mạng lưới thần kinh, danh sách phát video này tập trung vào TensorFlow.js, API cốt lõi và cách sử dụng thư viện JavaScript để đào tạo và triển khai các mô hình ML.
Tìm hiểu cách xây dựng ứng dụng ML trên thiết bị đầu tiên của bạn thông qua các lộ trình học tập cung cấp hướng dẫn từng bước cho các trường hợp sử dụng phổ biến bao gồm phân loại âm thanh, tìm kiếm sản phẩm trực quan, v.v.
Tìm hiểu cách triển khai các mô hình học sâu trên thiết bị di động và thiết bị nhúng với TensorFlow Lite trong khóa học này, do nhóm TensorFlow và Udacity phát triển như một cách tiếp cận thực tế để triển khai mô hình cho các nhà phát triển phần mềm.
Tìm hiểu thực tế cách kết hợp hệ thống đường ống sản xuất với TFX. Chúng tôi sẽ nhanh chóng đề cập đến mọi thứ từ thu thập dữ liệu, xây dựng mô hình cho đến triển khai và quản lý.
Cuốn sách này sẽ hướng dẫn bạn các bước tự động hóa quy trình ML bằng hệ sinh thái TensorFlow. Các ví dụ về học máy trong cuốn sách này dựa trên TensorFlow và Keras, nhưng các khái niệm cốt lõi có thể được áp dụng cho bất kỳ khung công tác nào.
Mở rộng khả năng kỹ thuật sản xuất của bạn trong chuyên ngành bốn khóa học này. Tìm hiểu cách khái niệm hóa, xây dựng và duy trì các hệ thống tích hợp hoạt động liên tục trong sản xuất.
Khi thiết kế mô hình ML hoặc xây dựng các ứng dụng dựa trên AI, điều quan trọng là phải xem xét những người tương tác với sản phẩm và cách tốt nhất để xây dựng tính công bằng, khả năng diễn giải, quyền riêng tư và bảo mật cho các hệ thống AI này.
Cuốn sách hướng dẫn này của Google sẽ giúp bạn xây dựng các sản phẩm AI lấy con người làm trung tâm. Nó sẽ cho phép bạn tránh những lỗi phổ biến, thiết kế những trải nghiệm tuyệt vời và tập trung vào con người khi bạn xây dựng các ứng dụng dựa trên AI.
Mô-đun kéo dài một giờ này trong MLCC của Google giới thiệu cho người học các loại thành kiến khác nhau của con người có thể biểu hiện trong dữ liệu đào tạo cũng như các chiến lược để xác định và đánh giá tác động của chúng.
