Padroneggia il tuo percorso

Per diventare un esperto di machine learning, devi prima avere una solida base in quattro aree di apprendimento : programmazione, matematica, teoria del machine learning e come costruire il tuo progetto di machine learning dall'inizio alla fine.

Inizia con i programmi di studio curati da TensorFlow per migliorare queste quattro abilità o scegli il tuo percorso di apprendimento esplorando la nostra libreria di risorse di seguito.

Le quattro aree dell'educazione all'apprendimento automatico

Quando inizi il tuo percorso formativo, è importante prima capire come imparare il ML. Abbiamo suddiviso il processo di apprendimento in quattro aree di conoscenza, ciascuna delle quali fornisce un tassello fondamentale del puzzle ML. Per aiutarti nel tuo percorso, abbiamo identificato libri, video e corsi online che miglioreranno le tue capacità e ti prepareranno a utilizzare il ML per i tuoi progetti. Inizia con i nostri programmi di studio guidati progettati per aumentare le tue conoscenze o scegli il tuo percorso esplorando la nostra libreria di risorse.

  • Competenze di codifica: la creazione di modelli ML implica molto di più della semplice conoscenza dei concetti ML: richiede la codifica per eseguire la gestione dei dati, l'ottimizzazione dei parametri e l'analisi dei risultati necessari per testare e ottimizzare il modello.

  • Matematica e statistiche: il ML è una disciplina matematica pesante, quindi se intendi modificare i modelli ML o crearne di nuovi da zero, la familiarità con i concetti matematici sottostanti è fondamentale per il processo.

  • Teoria del ML: conoscere le basi della teoria del ML ti darà una base su cui costruire e ti aiuterà a risolvere i problemi quando qualcosa va storto.

  • Costruisci i tuoi progetti: acquisire esperienza pratica con il ML è il modo migliore per mettere alla prova le tue conoscenze, quindi non aver paura di immergerti presto con una semplice collaborazione o un tutorial per fare un po' di pratica.

Curriculum TensorFlow

Inizia a imparare con uno dei nostri programmi guidati che contengono corsi, libri e video consigliati.

Per principianti
Nozioni di base sull'apprendimento automatico con TensorFlow

Impara le basi del ML con questa raccolta di libri e corsi online. Verrai introdotto al ML e guidato attraverso il deep learning utilizzando TensorFlow 2.0. Quindi avrai l'opportunità di mettere in pratica ciò che impari con i tutorial per principianti.

Per livello intermedio ed esperti
Apprendimento automatico teorico e avanzato con TensorFlow

Una volta comprese le basi dell'apprendimento automatico, porta le tue capacità al livello successivo immergendoti nella comprensione teorica delle reti neurali, nell'apprendimento profondo e migliorando la tua conoscenza dei concetti matematici sottostanti.

Per principianti
TensorFlow per lo sviluppo di JavaScript

Scopri le nozioni di base sullo sviluppo di modelli di machine learning in JavaScript e come eseguire la distribuzione direttamente nel browser. Riceverai un'introduzione di alto livello sul deep learning e su come iniziare con TensorFlow.js attraverso esercizi pratici.

Risorse educative

Scegli il tuo percorso di apprendimento ed esplora libri, corsi, video ed esercizi consigliati dal team di TensorFlow per insegnarti le basi del ML.

Libri
Corsi online
Concetti di matematica
Risorse TF
Intelligenza artificiale incentrata sull'uomo

Libri

La lettura è uno dei modi migliori per comprendere le basi del ML e del deep learning. I libri possono darti la comprensione teorica necessaria per aiutarti ad apprendere nuovi concetti più rapidamente in futuro.

Intelligenza artificiale e apprendimento automatico per programmatori
di Laurence Moroney

Questo libro introduttivo fornisce un approccio basato sul codice per apprendere come implementare gli scenari ML più comuni, come la visione artificiale, l'elaborazione del linguaggio naturale (NLP) e la modellazione di sequenze per runtime Web, mobili, cloud e incorporati.

Apprendimento profondo con Python
di Francois Chollet

Questo libro è un'introduzione pratica e pratica al Deep Learning con Keras.

Machine learning pratico con Scikit-Learn, Keras e TensorFlow
di Aurélien Geron

Utilizzando esempi concreti, teoria minima e due framework Python pronti per la produzione, Scikit-Learn e TensorFlow, questo libro ti aiuta a ottenere una comprensione intuitiva dei concetti e degli strumenti per la creazione di sistemi intelligenti.

Apprendimento approfondito
di Ian Goodfellow, Yoshua Bengio e Aaron Courville

Questo libro di testo sull'apprendimento profondo è una risorsa destinata ad aiutare studenti e professionisti a entrare nel campo dell'apprendimento automatico in generale e dell'apprendimento profondo in particolare.

Reti neurali e deep learning
di Michael Nielsen

Questo libro fornisce un background teorico sulle reti neurali. Non utilizza TensorFlow, ma è un ottimo riferimento per gli studenti interessati a saperne di più.

Apprendimento TensorFlow.js
di Gant Laborde

Un approccio pratico end-to-end ai fondamenti di TensorFlow.js per un vasto pubblico tecnico. Una volta terminato questo libro, saprai come creare e distribuire sistemi di deep learning pronti per la produzione con TensorFlow.js.

Apprendimento profondo con JavaScript
di Shanqing Cai, Stanley Bileschi, Eric D. Nielsen con Francois Chollet

Scritto dai principali autori della libreria TensorFlow, questo libro fornisce affascinanti casi d'uso e istruzioni dettagliate per le app di deep learning in JavaScript nel tuo browser o su Node.

Corsi online

Seguire un corso online in più parti è un buon modo per apprendere i concetti di base del ML. Molti corsi forniscono ottime spiegazioni visive e gli strumenti necessari per iniziare ad applicare l'apprendimento automatico direttamente al lavoro o con i tuoi progetti personali.

Introduzione a TensorFlow per AI, ML e Deep Learning

Sviluppato in collaborazione con il team di TensorFlow, questo corso fa parte della specializzazione per sviluppatori TensorFlow e ti insegnerà le migliori pratiche per l'utilizzo di TensorFlow.

Introduzione a TensorFlow per l'apprendimento profondo

In questo corso online sviluppato dal team TensorFlow e Udacity imparerai come creare applicazioni di deep learning con TensorFlow.

Specializzazione per sviluppatori TensorFlow

In questa specializzazione di quattro corsi insegnata da uno sviluppatore TensorFlow, esplorerai gli strumenti e gli sviluppatori software utilizzati per creare algoritmi scalabili basati sull'intelligenza artificiale in TensorFlow.

Corso accelerato di apprendimento automatico

Il corso di arresto anomalo dell'apprendimento automatico con le API di TensorFlow è una guida di autoapprendimento per aspiranti professionisti dell'apprendimento automatico. È dotato di una serie di lezioni con lezioni video, casi di studio del mondo reale ed esercizi pratici.

MIT 6.S191: Introduzione all'apprendimento profondo

In questo corso del MIT acquisirai una conoscenza di base degli algoritmi di deep learning e acquisirai esperienza pratica nella costruzione di reti neurali in TensorFlow.

Specializzazione in Deep Learning

In cinque corsi imparerai le basi del Deep Learning, capirai come costruire reti neurali e imparerai come condurre progetti di apprendimento automatico di successo e costruire una carriera nell'IA. Imparerai non solo la teoria, ma vedrai anche come viene applicata nell'industria.

TensorFlow: specializzazione in dati e distribuzione

Hai imparato a costruire e addestrare modelli. Ora impara a navigare in vari scenari di distribuzione e a utilizzare i dati in modo più efficace per addestrare il tuo modello in questa specializzazione di quattro corsi.

TensorFlow: specializzazione in tecniche avanzate

Questa specializzazione è rivolta agli ingegneri software e ML con una conoscenza di base di TensorFlow che desiderano ampliare le proprie conoscenze e competenze apprendendo le funzionalità avanzate di TensorFlow per creare modelli potenti.

Fondamenti di Google AI per l'apprendimento automatico basato sul Web

Scopri come puoi avere più occhi sulla tua ricerca all'avanguardia o fornire super poteri nelle tue app Web in futuro per i tuoi clienti o l'azienda per cui lavori con l'apprendimento automatico basato sul Web.

Concetti di matematica

Per approfondire le tue conoscenze di ML, queste risorse possono aiutarti a comprendere i concetti matematici sottostanti necessari per l'avanzamento di livello superiore.

Un'introduzione amichevole all'algebra lineare per ML

Una vista a volo d'uccello dell'algebra lineare per l'apprendimento automatico. Non hai mai studiato l'algebra lineare o conosci un po' le basi e vuoi avere un'idea di come viene utilizzata in ML? Allora questo video è per te.

Specializzazione in matematica per l'apprendimento automatico

Questa specializzazione online di Coursera mira a colmare il divario tra matematica e apprendimento automatico, aggiornandoti sulla matematica sottostante per costruire una comprensione intuitiva e collegandola all'apprendimento automatico e alla scienza dei dati.

Apprendimento approfondito
di 3Blue1Brown

3blue1brown è incentrato sulla presentazione della matematica con un approccio visivo. In questa serie di video imparerai le basi di una rete neurale e come funziona attraverso concetti matematici.

L'essenza dell'algebra lineare
di 3Blue1Brown

Una serie di brevi video visivi di 3blue1brown che spiegano la comprensione geometrica di matrici, determinanti, elementi propri e altro ancora.

Essenza del calcolo
di 3Blue1Brown

Una serie di brevi video visivi di 3blue1brown che spiegano i fondamenti del calcolo in un modo che ti offre una forte comprensione dei teoremi fondamentali e non solo di come funzionano le equazioni.

MIT 18.06: Algebra lineare

Questo corso introduttivo del MIT copre la teoria delle matrici e l'algebra lineare. Viene data enfasi ad argomenti che saranno utili in altre discipline, inclusi sistemi di equazioni, spazi vettoriali, determinanti, autovalori, similarità e matrici definite positive.

MIT 18.01: Calcolo a variabili singole

Questo corso introduttivo di calcolo del MIT copre la differenziazione e l'integrazione delle funzioni di una variabile, con applicazioni.

Vedere la teoria
di Daniel Kunin, Jingru Guo, Tyler Dae Devlin, Daniel Xiang

Un'introduzione visiva alla probabilità e alla statistica.

Gratuito
Scopri di più
Un'introduzione all'apprendimento statistico
di Gareth James, Daniela Witten, Trevor Hastie e Rob Tibshirani

Questo libro fornisce una panoramica accessibile del campo dell'apprendimento statistico, un set di strumenti essenziale per dare un senso al vasto e complesso mondo dei set di dati necessari per addestrare i modelli nell'apprendimento automatico.

Risorse TensorFlow

Abbiamo raccolto le nostre risorse preferite per aiutarti a iniziare con le librerie e i framework TensorFlow specifici per le tue esigenze. Passa alle nostre sezioni per TensorFlow.js , TensorFlow Lite e TensorFlow Extended .


Puoi anche sfogliare la guida e i tutorial ufficiali di TensorFlow per gli ultimi esempi e collaborazioni.

Fondamenti di apprendimento automatico

Machine Learning Foundations è un corso di formazione gratuito in cui imparerai i fondamenti della creazione di modelli appresi automaticamente utilizzando TensorFlow.

TensorFlow da zero

Questo ML Tech Talk è progettato per coloro che conoscono le basi del Machine Learning ma necessitano di una panoramica sui fondamenti di TensorFlow (tensori, variabili e gradienti senza utilizzare API di alto livello).

Introduzione all'apprendimento profondo

Questo ML Tech Talk include l'apprendimento della rappresentazione, famiglie di reti neurali e le loro applicazioni, una prima occhiata all'interno di una rete neurale profonda e molti esempi di codice e concetti di TensorFlow.

Codifica TensorFlow

In questa serie, il team di TensorFlow esamina varie parti di TensorFlow da una prospettiva di codifica, con video per l'utilizzo delle API di alto livello di TensorFlow, l'elaborazione del linguaggio naturale, l'apprendimento strutturato neurale e altro ancora.

Individuazione e risoluzione dei problemi quotidiani con l'apprendimento automatico

Impara a individuare i casi d'uso di ML più comuni, tra cui l'analisi di contenuti multimediali, la creazione di ricerche intelligenti, la trasformazione dei dati e come integrarli rapidamente nella tua app con strumenti intuitivi.

Per Javascript

Esplora le ultime risorse su TensorFlow.js .

Apprendimento TensorFlow.js
di Gant Laborde

Un approccio pratico end-to-end ai fondamenti di TensorFlow.js per un vasto pubblico tecnico. Una volta terminato questo libro, saprai come creare e distribuire sistemi di deep learning pronti per la produzione con TensorFlow.js.

Introduzione a TensorFlow.js di TensorFlow

Una serie in 3 parti che esplora sia l'addestramento che l'esecuzione di modelli appresi automaticamente con TensorFlow.js e mostra come creare un modello di apprendimento automatico in JavaScript che viene eseguito direttamente nel browser.

Google AI per sviluppatori JavaScript con TensorFlow.js

Passa da zero a eroe con Web ML utilizzando TensorFlow.js. Scopri come creare app Web di nuova generazione che possono essere eseguite sul lato client ed essere utilizzate su quasi tutti i dispositivi.

TensorFlow.js: serie di intelligenza e apprendimento
da Il treno dei codici

Parte di una serie più ampia sull'apprendimento automatico e sulla creazione di reti neurali, questa playlist di video si concentra su TensorFlow.js, l'API principale, e su come utilizzare la libreria JavaScript per addestrare e distribuire modelli ML.

Per dispositivi mobili e IoT

Esplora le ultime risorse su TensorFlow Lite .

Apprendimento automatico sul dispositivo

Scopri come creare la tua prima app ML sul dispositivo attraverso percorsi di apprendimento che forniscono guide dettagliate per casi d'uso comuni, tra cui classificazione audio, ricerca visiva di prodotti e altro ancora.

Introduzione a TensorFlow Lite

Scopri come distribuire modelli di deep learning su dispositivi mobili e incorporati con TensorFlow Lite in questo corso, sviluppato dal team TensorFlow e Udacity come approccio pratico alla distribuzione di modelli per gli sviluppatori di software.

Per la produzione

Esplora le ultime risorse su TFX .

Ingegneria ML per implementazioni ML di produzione con TFX

Dai un'occhiata pratica a come mettere insieme un sistema di pipeline di produzione con TFX. Ci occuperemo rapidamente di tutto, dall'acquisizione dei dati, alla creazione di modelli, fino all'implementazione e alla gestione.

Costruire pipeline di machine learning
di Hannes Hapke, Catherine Nelson

Questo libro illustra i passaggi dell'automazione di una pipeline ML utilizzando l'ecosistema TensorFlow. Gli esempi di machine learning in questo libro sono basati su TensorFlow e Keras, ma i concetti fondamentali possono essere applicati a qualsiasi framework.

Specializzazione in ingegneria dell'apprendimento automatico per la produzione (MLOps).

Espandi le tue capacità di ingegneria della produzione in questa specializzazione di quattro corsi. Scopri come concettualizzare, costruire e mantenere sistemi integrati che operano continuamente in produzione.

Pipeline ML su Google Cloud

Questo corso avanzato copre i componenti TFX, l'orchestrazione e l'automazione della pipeline e come gestire i metadati ML con Google Cloud.

Intelligenza artificiale incentrata sull'uomo

Quando si progetta un modello ML o si creano applicazioni basate sull'intelligenza artificiale, è importante considerare le persone che interagiscono con il prodotto e il modo migliore per creare equità, interpretabilità, privacy e sicurezza in questi sistemi di intelligenza artificiale.

Pratiche di intelligenza artificiale responsabili

Scopri come integrare le pratiche di IA responsabile nel tuo flusso di lavoro ML utilizzando TensorFlow.

Gratuito
Scopri di più
Persone + Guida AI

Questa guida di Google ti aiuterà a creare prodotti di intelligenza artificiale incentrati sull'uomo. Ti consentirà di evitare errori comuni, progettare esperienze eccellenti e concentrarti sulle persone mentre crei applicazioni basate sull'intelligenza artificiale.

Gratuito
Scopri di più
Introduzione all'equità nel modulo di apprendimento automatico

Questo modulo di un'ora all'interno dell'MLCC di Google introduce gli studenti a diversi tipi di pregiudizi umani che possono manifestarsi nei dati di formazione, nonché a strategie per identificare e valutare i loro effetti.

Gratuito
Scopri di più