머신러닝 교육의 4가지 영역
교육 경로를 시작할 때 먼저 ML을 배우는 방법을 이해하는 것이 중요합니다. 학습 프로세스를 4개의 지식 영역으로 나누었으며 각 영역은 ML 퍼즐의 기본 조각을 제공합니다. 길을 가는 데 도움이 되도록 귀하의 능력을 향상하고 프로젝트에 ML을 사용할 수 있도록 준비할 책, 비디오 및 온라인 과정을 식별했습니다. 지식을 늘리도록 설계된 가이드 커리큘럼으로 시작하거나 리소스 라이브러리를 탐색하여 자신만의 경로를 선택하십시오.
TensorFlow 커리큘럼
추천 코스, 책 및 비디오가 포함된 가이드 커리큘럼 중 하나로 학습을 시작하십시오.

이 책과 온라인 코스 모음을 통해 ML의 기본 사항을 알아보세요. TensorFlow 2.0을 사용하여 ML을 소개하고 딥 러닝을 안내합니다. 그런 다음 초보자 튜토리얼에서 배운 내용을 연습할 수 있는 기회를 갖게 됩니다.

기계 학습의 기본 사항을 이해하고 나면 신경망, 딥 러닝에 대한 이론적 이해를 살펴보고 기본 수학 개념에 대한 지식을 향상시켜 능력을 한 단계 끌어올립니다.

JavaScript로 기계 학습 모델을 개발하는 기본 사항과 브라우저에서 직접 배포하는 방법을 알아보세요. 실습을 통해 딥 러닝과 TensorFlow.js를 시작하는 방법에 대한 높은 수준의 소개를 받게 됩니다.
교육 자원
나만의 학습 경로를 선택하고 TensorFlow 팀에서 추천하는 책, 과정, 동영상 및 연습 문제를 탐색하여 ML의 기초를 가르쳐 보세요.





서적
읽기는 ML과 딥 러닝의 기초를 이해하는 가장 좋은 방법 중 하나입니다. 책은 미래에 새로운 개념을 더 빨리 배우는 데 필요한 이론적 이해를 제공할 수 있습니다.

이 입문서는 웹, 모바일, 클라우드 및 임베디드 런타임을 위한 컴퓨터 비전, 자연어 처리(NLP) 및 시퀀스 모델링과 같은 가장 일반적인 ML 시나리오를 구현하는 방법을 배우는 코드 우선 접근 방식을 제공합니다.


구체적인 예, 최소한의 이론, 생산 준비가 된 두 가지 Python 프레임워크(Scikit-Learn 및 TensorFlow)를 사용하여 이 책은 지능형 시스템 구축을 위한 개념과 도구에 대한 직관적인 이해를 돕습니다.


이 책은 신경망에 대한 이론적 배경을 제공합니다. TensorFlow를 사용하지 않지만 더 많은 것을 배우고자 하는 학생들에게 훌륭한 참고 자료입니다.

광범위한 기술 대상을 위한 TensorFlow.js 기본 사항에 대한 실질적인 종단 간 접근 방식입니다. 이 책을 마치면 TensorFlow.js를 사용하여 프로덕션 준비 딥 러닝 시스템을 구축하고 배포하는 방법을 알게 될 것입니다.

TensorFlow 라이브러리의 주요 저자가 저술한 이 책은 브라우저 또는 Node.js에서 JavaScript의 딥 러닝 앱에 대한 매혹적인 사용 사례와 심층 지침을 제공합니다.
온라인 과정
여러 부분으로 구성된 온라인 과정을 수강하는 것은 ML의 기본 개념을 배우는 좋은 방법입니다. 많은 과정에서 훌륭한 시각적 설명과 기계 학습을 직장이나 개인 프로젝트에 직접 적용하는 데 필요한 도구를 제공합니다.

딥러닝.AI
AI, ML 및 딥 러닝을 위한 TensorFlow 소개TensorFlow 팀과 공동으로 개발한 이 과정은 TensorFlow 개발자 전문 분야의 일부이며 TensorFlow 사용에 대한 모범 사례를 알려줍니다.

TensorFlow 팀과 Udacity가 개발한 이 온라인 과정에서는 TensorFlow로 딥 러닝 애플리케이션을 구축하는 방법을 배우게 됩니다.

딥러닝.AI
TensorFlow 개발자 전문화TensorFlow 개발자가 가르치는 이 4개 코스 전문화에서는 TensorFlow에서 확장 가능한 AI 기반 알고리즘을 구축하는 데 사용하는 도구와 소프트웨어 개발자를 살펴봅니다.

구글 개발자
머신러닝 단기집중과정TensorFlow API를 사용한 기계 학습 단기집중과정은 기계 학습 실무자 지망생을 위한 자가 학습 가이드입니다. 비디오 강의, 실제 사례 연구 및 실습 연습이 포함된 일련의 수업을 제공합니다.

MIT의 이 과정에서는 딥 러닝 알고리즘에 대한 기초 지식을 얻고 TensorFlow에서 신경망을 구축하는 실제 경험을 얻을 것입니다.


딥러닝.AI
TensorFlow: 데이터 및 배포 전문화모델을 구축하고 훈련하는 방법을 배웠습니다. 이제 이 4개 과정 전문화 과정에서 다양한 배포 시나리오를 탐색하고 데이터를 보다 효과적으로 사용하여 모델을 훈련하는 방법을 배우십시오.

딥러닝.AI
TensorFlow: 고급 기술 전문화이 전문 분야는 강력한 모델을 구축하기 위해 고급 TensorFlow 기능을 학습하여 지식과 기술을 확장하고자 하는 TensorFlow에 대한 기본적인 이해가 있는 소프트웨어 및 ML 엔지니어를 위한 것입니다.

웹 기반 머신 러닝을 사용하여 귀하의 최신 연구에 더 많은 관심을 기울이거나 귀하의 클라이언트 또는 귀하가 일하는 회사를 위한 향후 작업에서 웹 앱의 강력한 기능을 제공할 수 있는 방법을 알아보십시오.

기계 학습을 위한 선형 대수의 조감도. 선형 대수학을 배운 적이 없거나 기본 사항에 대해 조금 알고 있으며 ML에서 어떻게 사용되는지 알고 싶으십니까? 그렇다면 이 비디오는 당신을 위한 것입니다.

임페리얼 칼리지 런던
기계 학습 전문화를 위한 수학Coursera의 이 온라인 전문 분야는 수학과 기계 학습의 격차를 해소하고, 기본 수학에 대한 속도를 높여 직관적인 이해를 구축하고, 기계 학습 및 데이터 과학과 관련시키는 것을 목표로 합니다.




MIT의 이 입문 과정은 행렬 이론과 선형 대수학을 다룹니다. 방정식 시스템, 벡터 공간, 행렬식, 고유값, 유사성 및 양의 정부호 행렬을 포함하여 다른 분야에서 유용할 주제에 중점을 둡니다.

TensorFlow 리소스
귀하의 필요에 맞는 TensorFlow 라이브러리 및 프레임워크를 시작하는 데 도움이 되도록 즐겨찾는 리소스를 모았습니다. TensorFlow.js , TensorFlow Lite 및 TFX 에 대한 섹션으로 이동합니다.
최신 예제 및 colab에 대한 공식 TensorFlow 가이드 및 자습서 를 찾아볼 수도 있습니다.

이 ML Tech Talk는 기계 학습의 기본 사항을 알고 있지만 TensorFlow의 기본 사항(높은 수준의 API를 사용하지 않는 텐서, 변수 및 그라디언트)에 대한 개요가 필요한 사람들을 위해 설계되었습니다.


이 시리즈에서 TensorFlow 팀은 TensorFlow의 고급 API, 자연어 처리, 신경 구조화 학습 등을 사용하기 위한 비디오와 함께 코딩 관점에서 TensorFlow의 다양한 부분을 살펴봅니다.

멀티미디어 분석, 스마트 검색 구축, 데이터 변환, 사용자 친화적인 도구를 사용하여 이를 앱에 빠르게 구축하는 방법 등 가장 일반적인 ML 사용 사례를 찾는 방법을 알아보세요.

광범위한 기술 대상을 위한 TensorFlow.js 기본 사항에 대한 실질적인 종단 간 접근 방식입니다. 이 책을 마치면 TensorFlow.js를 사용하여 프로덕션 준비 딥 러닝 시스템을 구축하고 배포하는 방법을 알게 될 것입니다.

TensorFlow.js를 사용하여 기계 학습 모델을 훈련하고 실행하는 방법을 살펴보고 브라우저에서 직접 실행되는 JavaScript로 기계 학습 모델을 만드는 방법을 보여주는 3부작 시리즈입니다.

TensorFlow.js를 사용하여 웹 ML을 사용하여 0에서 영웅으로 이동합니다. 클라이언트 측에서 실행할 수 있고 거의 모든 장치에서 사용할 수 있는 차세대 웹 앱을 만드는 방법을 알아보세요.

머신 러닝 및 신경망 구축에 대한 더 큰 시리즈의 일부인 이 동영상 재생 목록은 핵심 API인 TensorFlow.js와 JavaScript 라이브러리를 사용하여 ML 모델을 교육하고 배포하는 방법에 중점을 둡니다.

구글 개발자
온디바이스 머신 러닝오디오 분류, 시각적 제품 검색 등을 포함한 일반적인 사용 사례에 대한 단계별 가이드를 제공하는 학습 경로를 통해 첫 번째 온디바이스 ML 앱을 빌드하는 방법을 알아보세요.

TensorFlow 팀과 Udacity가 소프트웨어 개발자를 위한 모델 배포에 대한 실용적인 접근 방식으로 개발한 이 과정에서 TensorFlow Lite를 사용하여 모바일 및 임베디드 장치에 딥 러닝 모델을 배포하는 방법을 알아보세요.

TFX를 사용하여 프로덕션 파이프라인 시스템을 구성하는 방법을 직접 살펴보십시오. 데이터 수집, 모델 구축에서 배포 및 관리에 이르기까지 모든 것을 빠르게 다룰 것입니다.

이 책은 TensorFlow 에코시스템을 사용하여 ML 파이프라인을 자동화하는 단계를 안내합니다. 이 책의 머신 러닝 예제는 TensorFlow와 Keras를 기반으로 하지만 핵심 개념은 모든 프레임워크에 적용할 수 있습니다.

딥러닝.AI
생산을 위한 기계 학습 엔지니어링(MLOps) 전문화이 4개 과정 전문 분야에서 생산 엔지니어링 역량을 확장하십시오. 프로덕션 환경에서 지속적으로 작동하는 통합 시스템을 개념화, 구축 및 유지 관리하는 방법을 배웁니다.

인간 중심 AI
ML 모델을 설계하거나 AI 기반 애플리케이션을 구축할 때 제품과 상호 작용하는 사람들과 이러한 AI 시스템에 공정성, 해석 가능성, 개인 정보 보호 및 보안을 구축하는 가장 좋은 방법을 고려하는 것이 중요합니다.


Google에서 제공하는 이 가이드북은 인간 중심의 AI 제품을 구축하는 데 도움이 될 것입니다. AI 기반 애플리케이션을 구축할 때 일반적인 실수를 피하고 우수한 경험을 설계하며 사람에 집중할 수 있습니다.

Google의 MLCC에 포함된 이 1시간 모듈에서는 학습 데이터에 나타날 수 있는 다양한 유형의 인간 편향과 그 효과를 식별하고 평가하기 위한 전략에 대해 설명합니다.