Attend the Women in ML Symposium on December 7 Register now
Restez organisé à l'aide des collections Enregistrez et classez les contenus selon vos préférences.

Maîtrisez votre chemin

Pour devenir un expert en apprentissage automatique, vous avez d'abord besoin d'une base solide dans quatre domaines d'apprentissage : le codage, les mathématiques, la théorie du ML et comment créer votre propre projet de ML du début à la fin.

Commencez par les programmes d' études organisés par TensorFlow pour améliorer ces quatre compétences, ou choisissez votre propre parcours d'apprentissage en explorant notre bibliothèque de ressources ci-dessous.

Les quatre domaines de l'apprentissage automatique

Au début de votre parcours éducatif, il est important de comprendre d'abord comment apprendre le ML. Nous avons divisé le processus d'apprentissage en quatre domaines de connaissances, chaque domaine fournissant une pièce fondamentale du puzzle ML. Pour vous aider sur votre chemin, nous avons identifié des livres, des vidéos et des cours en ligne qui amélioreront vos capacités et vous prépareront à utiliser le ML pour vos projets. Commencez par nos programmes guidés conçus pour approfondir vos connaissances ou choisissez votre propre chemin en explorant notre bibliothèque de ressources.

  • Compétences en codage : la création de modèles ML implique bien plus que la simple connaissance des concepts ML : elle nécessite un codage afin d'effectuer la gestion des données, le réglage des paramètres et l'analyse des résultats nécessaires pour tester et optimiser votre modèle.

  • Mathématiques et statistiques : ML est une discipline lourde en mathématiques, donc si vous envisagez de modifier des modèles ML ou d'en créer de nouveaux à partir de rien, la connaissance des concepts mathématiques sous-jacents est cruciale pour le processus.

  • Théorie du ML : Connaître les bases de la théorie du ML vous donnera une base sur laquelle vous appuyer et vous aidera à résoudre les problèmes en cas de problème.

  • Construisez vos propres projets : acquérir une expérience pratique du ML est le meilleur moyen de mettre vos connaissances à l'épreuve, alors n'ayez pas peur de plonger tôt avec un simple colab ou un tutoriel pour vous entraîner.

Programmes TensorFlow

Commencez à apprendre avec l'un de nos programmes guidés contenant des cours, des livres et des vidéos recommandés.

Pour les débutants
Principes de base du machine learning avec TensorFlow

Apprenez les bases du ML avec cette collection de livres et de cours en ligne. Vous serez initié au ML et guidé à travers l'apprentissage en profondeur à l'aide de TensorFlow 2.0. Ensuite, vous aurez l'occasion de mettre en pratique ce que vous apprenez avec des tutoriels pour débutants.

Pour niveau intermédiaire & experts
Apprentissage automatique théorique et avancé avec TensorFlow

Une fois que vous avez compris les bases de l'apprentissage automatique, faites passer vos capacités au niveau supérieur en vous plongeant dans la compréhension théorique des réseaux de neurones, l'apprentissage en profondeur et en améliorant votre connaissance des concepts mathématiques sous-jacents.

Pour les débutants
TensorFlow pour le développement JavaScript

Apprenez les bases du développement de modèles d'apprentissage automatique en JavaScript et comment les déployer directement dans le navigateur. Vous obtiendrez une introduction de haut niveau sur l'apprentissage en profondeur et sur la façon de démarrer avec TensorFlow.js grâce à des exercices pratiques.

Ressources pédagogiques

Choisissez votre propre parcours d'apprentissage et explorez les livres, cours, vidéos et exercices recommandés par l'équipe TensorFlow pour vous enseigner les bases du ML.

Livres
Cours en ligne
Notions mathématiques
Ressources TF
IA centrée sur l'humain

Livres

La lecture est l'un des meilleurs moyens de comprendre les fondements du ML et de l'apprentissage en profondeur. Les livres peuvent vous donner la compréhension théorique nécessaire pour vous aider à apprendre de nouveaux concepts plus rapidement à l'avenir.

IA et apprentissage automatique pour les codeurs
de Laurence Moroney

Ce livre d'introduction propose une approche axée sur le code pour apprendre à mettre en œuvre les scénarios ML les plus courants, tels que la vision par ordinateur, le traitement du langage naturel (NLP) et la modélisation de séquences pour les environnements d'exécution Web, mobiles, cloud et intégrés.

Apprentissage en profondeur avec Python
par François Chollet

Ce livre est une introduction pratique et pratique à Deep Learning avec Keras.

Apprentissage automatique pratique avec Scikit-Learn, Keras et TensorFlow
par Aurélien Géron

À l'aide d'exemples concrets, d'une théorie minimale et de deux frameworks Python prêts pour la production, Scikit-Learn et TensorFlow, ce livre vous aide à acquérir une compréhension intuitive des concepts et des outils de construction de systèmes intelligents.

L'apprentissage en profondeur
de Ian Goodfellow, Yoshua Bengio et Aaron Courville

Ce manuel d'apprentissage en profondeur est une ressource destinée à aider les étudiants et les praticiens à entrer dans le domaine de l'apprentissage automatique en général, et de l'apprentissage en profondeur en particulier.

Réseaux de neurones et apprentissage en profondeur
de Michael Nielsen

Ce livre fournit un arrière-plan théorique sur les réseaux de neurones. Il n'utilise pas TensorFlow, mais constitue une excellente référence pour les étudiants souhaitant en savoir plus.

Apprendre TensorFlow.js
par Gant Laborde

Une approche pratique de bout en bout des fondamentaux de TensorFlow.js pour un large public technique. Une fois que vous aurez terminé ce livre, vous saurez comment créer et déployer des systèmes de deep learning prêts pour la production avec TensorFlow.js.

Apprentissage en profondeur avec JavaScript
de Shanqing Cai, Stanley Bileschi, Eric D. Nielsen avec François Chollet

Écrit par les principaux auteurs de la bibliothèque TensorFlow, ce livre fournit des cas d'utilisation fascinants et des instructions détaillées pour les applications d'apprentissage en profondeur en JavaScript dans votre navigateur ou sur Node.

Cours en ligne

Suivre un cours en ligne en plusieurs parties est un bon moyen d'apprendre les concepts de base du ML. De nombreux cours fournissent d'excellents explicatifs visuels et les outils nécessaires pour commencer à appliquer l'apprentissage automatique directement au travail ou avec vos projets personnels.

Introduction à TensorFlow pour l'IA, le ML et le Deep Learning

Développé en collaboration avec l'équipe TensorFlow, ce cours fait partie de la spécialisation développeur TensorFlow et vous apprendra les meilleures pratiques d'utilisation de TensorFlow.

Introduction à TensorFlow pour le Deep Learning

Dans ce cours en ligne développé par l'équipe TensorFlow et Udacity, vous apprendrez à créer des applications d'apprentissage en profondeur avec TensorFlow.

Spécialisation Développeur TensorFlow

Dans cette spécialisation en quatre cours enseignée par un développeur TensorFlow, vous explorerez les outils et les développeurs de logiciels utilisés pour créer des algorithmes évolutifs alimentés par l'IA dans TensorFlow.

Cours intensif d'apprentissage automatique

Le cours d'initiation au machine learning avec les API TensorFlow est un guide d'auto-apprentissage destiné aux aspirants praticiens du machine learning. Il propose une série de leçons avec des conférences vidéo, des études de cas réels et des exercices pratiques.

MIT 6.S191 : Introduction à l'apprentissage en profondeur

Dans ce cours du MIT, vous acquerrez des connaissances de base sur les algorithmes d'apprentissage en profondeur et obtiendrez une expérience pratique dans la création de réseaux de neurones dans TensorFlow.

Spécialisation Apprentissage Profond

En cinq cours, vous apprendrez les bases de l'apprentissage en profondeur, comprendrez comment créer des réseaux de neurones et apprendrez à mener à bien des projets d'apprentissage automatique et à bâtir une carrière dans l'IA. Vous maîtriserez non seulement la théorie, mais vous verrez également comment elle est appliquée dans l'industrie.

TensorFlow : spécialisation en données et déploiement

Vous avez appris à créer et à former des modèles. Apprenez maintenant à naviguer dans divers scénarios de déploiement et à utiliser les données plus efficacement pour former votre modèle dans cette spécialisation en quatre cours.

TensorFlow : spécialisation en techniques avancées

Cette spécialisation est destinée aux ingénieurs logiciels et ML ayant une compréhension fondamentale de TensorFlow qui cherchent à élargir leurs connaissances et leurs compétences en apprenant les fonctionnalités avancées de TensorFlow pour créer des modèles puissants.

Principes de base de l'IA de Google pour l'apprentissage automatique basé sur le Web

Découvrez comment vous pouvez attirer davantage l'attention sur vos recherches de pointe ou fournir des super pouvoirs dans vos applications Web dans le cadre de travaux futurs pour vos clients ou l'entreprise pour laquelle vous travaillez grâce à l'apprentissage automatique basé sur le Web.

Notions mathématiques

Pour approfondir vos connaissances en ML, ces ressources peuvent vous aider à comprendre les concepts mathématiques sous-jacents nécessaires à une progression de niveau supérieur.

Une introduction conviviale à l'algèbre linéaire pour ML

Une vue d'ensemble de l'algèbre linéaire pour l'apprentissage automatique. Vous n'avez jamais appris l'algèbre linéaire ou vous en connaissez un peu les bases, et vous voulez avoir une idée de son utilisation en ML ? Alors cette vidéo est pour toi.

Mathématiques pour la spécialisation en apprentissage automatique

Cette spécialisation en ligne de Coursera vise à combler le fossé entre les mathématiques et l'apprentissage automatique, en vous permettant de vous familiariser avec les mathématiques sous-jacentes pour développer une compréhension intuitive et en la reliant à l'apprentissage automatique et à la science des données.

L'apprentissage en profondeur
par 3Blue1Brown

3blue1brown se concentre sur la présentation des mathématiques avec une approche visuelle d'abord. Dans cette série de vidéos, vous apprendrez les bases d'un réseau de neurones et son fonctionnement grâce à des concepts mathématiques.

Essence de l'algèbre linéaire
par 3Blue1Brown

Une série de courtes vidéos visuelles de 3blue1brown qui expliquent la compréhension géométrique des matrices, des déterminants, des éléments propres et plus encore.

Essence de calcul
par 3Blue1Brown

Une série de courtes vidéos visuelles de 3blue1brown qui expliquent les principes fondamentaux du calcul d'une manière qui vous donne une solide compréhension des théorèmes fondamentaux, et pas seulement du fonctionnement des équations.

MIT 18.06 : Algèbre linéaire

Ce cours d'introduction du MIT couvre la théorie des matrices et l'algèbre linéaire. L'accent est mis sur des sujets qui seront utiles dans d'autres disciplines, y compris les systèmes d'équations, les espaces vectoriels, les déterminants, les valeurs propres, la similarité et les matrices définies positives.

MIT 18.01 : calcul à une seule variable

Ce cours d'introduction au calcul du MIT couvre la différenciation et l'intégration des fonctions d'une variable, avec des applications.

Voir la théorie
par Daniel Kunin, Jingru Guo, Tyler Dae Devlin, Daniel Xiang

Une introduction visuelle aux probabilités et aux statistiques.

Une introduction à l'apprentissage statistique
par Gareth James, Daniela Witten, Trevor Hastie et Rob Tibshirani

Ce livre fournit un aperçu accessible du domaine de l'apprentissage statistique, un ensemble d'outils essentiels pour donner un sens au monde vaste et complexe des ensembles de données nécessaires pour entraîner des modèles dans l'apprentissage automatique.

Ressources TensorFlow

Nous avons rassemblé nos ressources préférées pour vous aider à démarrer avec les bibliothèques et les frameworks TensorFlow spécifiques à vos besoins. Accédez à nos sections pour TensorFlow.js , TensorFlow Lite et TFX .


Vous pouvez également parcourir le guide et les didacticiels officiels de TensorFlow pour les derniers exemples et colabs.

Fondements de l'apprentissage automatique

Machine Learning Foundations est un cours de formation gratuit où vous apprendrez les bases de la création de modèles appris par machine à l'aide de TensorFlow.

TensorFlow à partir de zéro

Ce ML Tech Talk est conçu pour ceux qui connaissent les bases de l'apprentissage automatique mais qui ont besoin d'un aperçu des principes fondamentaux de TensorFlow (tenseurs, variables et gradients sans utiliser d'API de haut niveau).

Introduction à l'apprentissage en profondeur

Ce ML Tech Talk comprend l'apprentissage de la représentation, les familles de réseaux de neurones et leurs applications, un premier aperçu d'un réseau de neurones profond et de nombreux exemples de code et concepts de TensorFlow.

Codage TensorFlow

Dans cette série, l'équipe TensorFlow examine différentes parties de TensorFlow du point de vue du codage, avec des vidéos sur l'utilisation des API de haut niveau de TensorFlow, le traitement du langage naturel, l'apprentissage structuré neuronal, etc.

Repérer et résoudre les problèmes quotidiens avec l'apprentissage automatique

Apprenez à repérer les cas d'utilisation ML les plus courants, y compris l'analyse multimédia, la création d'une recherche intelligente, la transformation des données et comment les intégrer rapidement dans votre application avec des outils conviviaux.

Pour Javascript

Découvrez les dernières ressources sur TensorFlow.js .

Apprendre TensorFlow.js
par Gant Laborde

Une approche pratique de bout en bout des fondamentaux de TensorFlow.js pour un large public technique. Une fois que vous aurez terminé ce livre, vous saurez comment créer et déployer des systèmes de deep learning prêts pour la production avec TensorFlow.js.

Premiers pas avec TensorFlow.js par TensorFlow

Une série en 3 parties qui explore à la fois la formation et l'exécution de modèles de machine learning avec TensorFlow.js, et vous montre comment créer un modèle de machine learning en JavaScript qui s'exécute directement dans le navigateur.

Google AI pour les développeurs JavaScript avec TensorFlow.js

Passez de zéro à héros avec Web ML à l'aide de TensorFlow.js. Apprenez à créer des applications Web de nouvelle génération qui peuvent s'exécuter côté client et être utilisées sur presque tous les appareils.

TensorFlow.js : série sur l'intelligence et l'apprentissage
par Le train du codage

Faisant partie d'une série plus large sur l'apprentissage automatique et la création de réseaux de neurones, cette playlist vidéo se concentre sur TensorFlow.js, l'API principale, et sur l'utilisation de la bibliothèque JavaScript pour former et déployer des modèles ML.

Pour Mobile & IdO

Découvrez les dernières ressources sur TensorFlow Lite .

Apprentissage automatique sur l'appareil

Découvrez comment créer votre première application ML sur appareil via des parcours d'apprentissage qui fournissent des guides étape par étape pour les cas d'utilisation courants, notamment la classification audio, la recherche visuelle de produits, etc.

Présentation de TensorFlow Lite

Découvrez comment déployer des modèles d'apprentissage en profondeur sur des appareils mobiles et intégrés avec TensorFlow Lite dans ce cours, développé par l'équipe TensorFlow et Udacity en tant qu'approche pratique du déploiement de modèles pour les développeurs de logiciels.

Pour la fabrication

Explorez les dernières ressources de TFX .

Ingénierie ML pour les déploiements ML de production avec TFX

Découvrez comment mettre en place un système de pipeline de production avec TFX. Nous couvrirons rapidement tout, de l'acquisition de données à la création de modèles, en passant par le déploiement et la gestion.

Construire des pipelines d'apprentissage automatique
de Hannes Hapke, Catherine Nelson

Ce livre vous guide à travers les étapes d'automatisation d'un pipeline ML à l'aide de l'écosystème TensorFlow. Les exemples d'apprentissage automatique de ce livre sont basés sur TensorFlow et Keras, mais les concepts de base peuvent être appliqués à n'importe quel framework.

Spécialisation Ingénierie d'apprentissage automatique pour la production (MLOps)

Développez vos capacités d'ingénierie de production dans cette spécialisation en quatre cours. Apprenez à conceptualiser, construire et maintenir des systèmes intégrés qui fonctionnent en continu en production.

Pipelines de ML sur Google Cloud

Ce cours avancé couvre les composants TFX, l'orchestration et l'automatisation du pipeline, et comment gérer les métadonnées ML avec Google Cloud.

IA centrée sur l'humain

Lors de la conception d'un modèle ML ou de la création d'applications basées sur l'IA, il est important de prendre en compte les personnes qui interagissent avec le produit et la meilleure façon d'intégrer l'équité, l'interprétabilité, la confidentialité et la sécurité dans ces systèmes d'IA.

Pratiques d'IA responsables

Découvrez comment intégrer des pratiques d'IA responsable dans votre flux de travail de ML à l'aide de TensorFlow.

Guide People + AI

Ce guide de Google vous aidera à créer des produits d'IA centrés sur l'humain. Cela vous permettra d'éviter les erreurs courantes, de concevoir d'excellentes expériences et de vous concentrer sur les personnes lorsque vous créez des applications basées sur l'IA.

Module d'introduction à l'équité dans l'apprentissage automatique

Ce module d'une heure au sein du MLCC de Google présente aux apprenants différents types de préjugés humains qui peuvent se manifester dans les données de formation, ainsi que des stratégies pour identifier et évaluer leurs effets.