بر راه خود مسلط شوید
برای تبدیل شدن به یک متخصص در یادگیری ماشین، برای بار اول شما نیاز به یک پایه قوی در چهار حوزه آموزش : برنامه نویسی، ریاضی، نظریه ML، و چگونه به ساخت پروژه ML خود را از آغاز تا پایان.
شروع با TensorFlow است دوره های آموزشی سرپرستی برای بهبود این چهار مهارت، و یا مسیر یادگیری خود را انتخاب کنید از طریق بررسی ما منابع کتابخانه است.
چهار حوزه آموزش یادگیری ماشین
هنگام شروع مسیر آموزشی ، مهم است که ابتدا نحوه یادگیری ML را بفهمید. ما فرایند یادگیری را به چهار حوزه دانش تقسیم کرده ایم ، که هر قسمت یک قطعه اساسی از پازل ML را ارائه می دهد. برای کمک به شما در مسیر خود ، ما کتاب ها ، فیلم ها و دوره های آنلاین را شناسایی کرده ایم که توانایی های شما را بالا می برد و شما را آماده استفاده از ML برای پروژه های خود می کند. با برنامه های درسی راهنمای ما که برای افزایش دانش شما طراحی شده اند ، شروع کنید یا با جستجوی کتابخانه منابع ما مسیر خود را انتخاب کنید.
برنامه های درسی TensorFlow
یادگیری را با یکی از برنامه های درسی هدایت شده ما که شامل دوره ها ، کتاب ها و فیلم های توصیه شده است شروع کنید.
با این مجموعه کتاب و دوره های آنلاین اصول اولیه ML را بیاموزید. با آموزش scikit-learning ، با آموزش عمیق با استفاده از TensorFlow 2.0 ، با ML آشنا خواهید شد و سپس این فرصت را خواهید داشت که آنچه را که با آموزش های مبتدی یاد می گیرید ، تمرین کنید.
وقتی اصول یادگیری ماشین را درک کردید ، با درک نظری شبکه های عصبی ، یادگیری عمیق و بهبود دانش خود در مورد مفاهیم ریاضی اساسی ، توانایی های خود را به سطح بعدی برسانید.
اصول توسعه مدلهای یادگیری ماشین در جاوا اسکریپت و نحوه استقرار مستقیم در مرورگر را بیاموزید. از طریق تمرینات عملی ، یک آموزش سطح بالا در مورد یادگیری عمیق و نحوه شروع کار با TensorFlow.js دریافت خواهید کرد.
منابع آموزشی
مسیر یادگیری خود را انتخاب کرده و کتاب ها ، دوره ها ، فیلم ها و تمریناتی را که توسط تیم TensorFlow توصیه شده است برای آموزش مبانی ML به کاوش بپردازید.
کتابها
خواندن یکی از بهترین راه ها برای درک مبانی ML و یادگیری عمیق است. کتاب ها می توانند درک نظری لازم را برای کمک به شما در یادگیری سریعتر مفاهیم جدید در آینده به شما ارائه دهند.
این کتاب مقدماتی یک رویکرد اول را برای یادگیری نحوه پیاده سازی متداول ترین سناریوهای ML مانند بینایی رایانه ، پردازش زبان طبیعی (NLP) و مدل سازی توالی برای زمان اجرای وب ، تلفن همراه ، ابر و جاسازی شده ارائه می دهد.
این کتاب یک مقدمه عملی و کاربردی برای یادگیری عمیق با Keras است.
با استفاده از مثالهای مشخص ، نظریه حداقلی و دو چارچوب پایتون آماده تولید-Scikit-Learn و TensorFlow-این کتاب به شما کمک می کند تا درک مفیدی از مفاهیم و ابزارهای ایجاد سیستمهای هوشمند بدست آورید.
این کتاب درسی یادگیری عمیق منبعی است که به دانش آموزان و متخصصان کمک می کند تا به طور کلی در زمینه یادگیری ماشین و به طور خاص در یادگیری عمیق وارد شوند.
این کتاب زمینه نظری در مورد شبکه های عصبی ارائه می دهد. از TensorFlow استفاده نمی کند ، اما یک مرجع عالی برای دانش آموزان علاقه مند به یادگیری بیشتر است.
رویکردی سرتاسر به مبانی TensorFlow.js برای مخاطبان فنی گسترده. پس از اتمام این کتاب ، می دانید چگونه با TensorFlow.js سیستم های یادگیری عمیق آماده تولید و استقرار را ایجاد کنید.
این کتاب که توسط نویسندگان اصلی کتابخانه TensorFlow نوشته شده است ، موارد کاربردی جذاب و دستورالعمل های عمیق برای برنامه های یادگیری عمیق در جاوا اسکریپت در مرورگر شما یا Node ارائه می دهد.
دوره های آنلاین
گذراندن یک دوره آنلاین چند قسمتی یک راه خوب برای یادگیری مفاهیم اولیه ML است. بسیاری از دوره ها توضیحات بصری فوق العاده ای ارائه می دهند و ابزارهای مورد نیاز برای شروع استفاده از یادگیری ماشین به طور مستقیم در محل کار یا پروژه های شخصی شما.
DeepLearning.AI
معرفی TensorFlow برای AI ، ML و Deep Learningاین دوره که با همکاری تیم TensorFlow توسعه یافته است ، بخشی از تخصص توسعه دهندگان TensorFlow است و بهترین شیوه های استفاده از TensorFlow را به شما آموزش می دهد.
در این دوره آنلاین که توسط تیم TensorFlow و Udacity توسعه یافته است ، خواهید آموخت که چگونه با TensorFlow برنامه های کاربردی یادگیری عمیق بسازید.
DeepLearning.AI
تخصص توسعه دهندگان TensorFlowدر این چهار دوره تخصصی که توسط توسعه دهنده TensorFlow تدریس می شود ، ابزارها و توسعه دهندگان نرم افزار را برای ایجاد الگوریتم های مقیاس پذیر مجهز به هوش مصنوعی در TensorFlow مورد بررسی قرار می دهید.
توسعه دهندگان Google
دوره تصادف یادگیری ماشیندوره تصادف یادگیری ماشین با API های TensorFlow یک راهنمای خودآموزی برای تمرین کنندگان مشتاق یادگیری ماشین است. این مجموعه شامل یک سری درس با سخنرانی های ویدئویی ، مطالعات موردی در دنیای واقعی و تمرینات عملی است.
در این دوره از MIT ، شما دانش اساسی در مورد الگوریتم های یادگیری عمیق را بدست می آورید و تجربه عملی در ایجاد شبکه های عصبی در TensorFlow را کسب خواهید کرد.
DeepLearning.AI
تخصص یادگیری عمیقدر پنج دوره ، شما با مبانی یادگیری عمیق آشنا خواهید شد ، نحوه ایجاد شبکه های عصبی را خواهید آموخت و نحوه هدایت پروژه های موفق یادگیری ماشینی و ایجاد حرفه در هوش مصنوعی را خواهید آموخت. شما نه تنها بر نظریه تسلط خواهید داشت ، بلکه خواهید دید که چگونه در صنعت کاربرد دارد.
DeepLearning.AI
TensorFlow: تخصص داده و استقرارشما نحوه ساختن و آموزش مدل ها را آموخته اید. اکنون بیاموزید که چگونه در سناریوهای مختلف استقرار حرکت کنید و از داده ها به طور مثرتری استفاده کنید تا مدل خود را در این تخصص چهار دوره ای آموزش دهید.
DeepLearning.AI
TensorFlow: تخصص تکنیک های پیشرفتهاین تخصص برای مهندسان نرم افزار و ML با درک اساسی از TensorFlow است که به دنبال گسترش دانش و مهارت خود با یادگیری ویژگی های پیشرفته TensorFlow برای ساختن مدلهای قدرتمند هستند.
مفاهیم ریاضی
برای آشنایی بیشتر با دانش ML ، این منابع می توانند به شما در درک مفاهیم اساسی ریاضی لازم برای پیشرفت سطح بالاتر کمک کنند.
یک دیدگاه پرنده از جبر خطی برای یادگیری ماشین هرگز جبر خطی را انتخاب نکرده اید یا کمی درباره اصول اولیه آن آگاهی ندارید و می خواهید نحوه استفاده از آن در ML را درک کنید؟ پس این ویدئو برای شماست.
کالج امپریال لندن
تخصص ریاضیات برای یادگیری ماشیناین تخصص آنلاین Coursera با هدف پر کردن شکاف ریاضیات و یادگیری ماشینی ، شما را در ایجاد ریاضیات اساسی برای ایجاد درک بصری و ارتباط آن با یادگیری ماشین و علوم داده سرعت می بخشد.
مرکز 3blue1brown ارائه ریاضیات با رویکرد بصری است. در این مجموعه ویدیویی ، شما با مفاهیم ریاضی اصول اولیه یک شبکه عصبی و نحوه عملکرد آن را خواهید آموخت.
مجموعه ای از ویدئوهای کوتاه و بصری از 3blue1brown که درک هندسی ماتریس ها ، عوامل تعیین کننده ، مواد ویژه و موارد دیگر را توضیح می دهد.
مجموعه ای از ویدئوهای کوتاه و بصری از 3blue1brown که اصول حسابداری را به گونه ای توضیح می دهد که به شما درک قوی ای از قضایای اساسی می دهد و نه فقط نحوه کار معادلات.
این دوره مقدماتی از MIT نظریه ماتریس و جبر خطی را پوشش می دهد. تأکید بر موضوعاتی است که در سایر رشته ها مفید خواهد بود ، از جمله سیستم معادلات ، فضاهای بردار ، عوامل تعیین کننده ، مقادیر ویژه ، شباهت و ماتریس های قطعی مثبت.
این دوره حسابداری مقدماتی از MIT تمایز و ادغام توابع یک متغیر را با برنامه های کاربردی پوشش می دهد.
مقدمه بصری احتمالات و آمار
این کتاب یک نمای کلی از زمینه یادگیری آماری ، مجموعه ای ضروری برای درک دنیای گسترده و پیچیده مجموعه داده های مورد نیاز برای آموزش مدل ها در یادگیری ماشین ، ارائه می دهد.
منابع TensorFlow
ما منابع مورد علاقه خود را جمع آوری کرده ایم تا به شما در شروع کار با کتابخانه ها و چارچوب های TensorFlow ویژه نیازهای شما کمک کند. پرش به بخش ما برای TensorFlow.js ، TensorFlow آرشیو و TensorFlow تمدید .
شما همچنین می توانید TensorFlow رسمی فهرست راهنمای و آموزش برای آخرین نمونه ها و colabs.
مبانی یادگیری ماشین یک دوره آموزشی رایگان است که در آن اصول اولیه ساختن مدلهای یادگیری ماشین با استفاده از TensorFlow را خواهید آموخت.
این ML Tech Talk برای کسانی طراحی شده است که اصول اولیه یادگیری ماشین را می دانند اما نیاز به یک مرور کلی بر مبانی TensorFlow دارند (تنسورها ، متغیرها و شیب ها بدون استفاده از API های سطح بالا).
این ML Tech Talk شامل یادگیری نمایشی ، خانواده شبکه های عصبی و برنامه های کاربردی آنها ، اولین نگاه در داخل یک شبکه عصبی عمیق و نمونه ها و مفاهیم کد زیادی از TensorFlow است.
در این سری ، تیم TensorFlow از منظر برنامه نویسی به قسمت های مختلف TensorFlow نگاه می کند ، با فیلم هایی برای استفاده از API های سطح بالا TensorFlow ، پردازش زبان طبیعی ، یادگیری ساختار یافته عصبی و موارد دیگر.
یاد بگیرید که رایج ترین موارد استفاده از ML شامل تجزیه و تحلیل چند رسانه ای ، ایجاد جستجوی هوشمند ، تبدیل داده ها و نحوه ایجاد سریع آنها در برنامه خود با ابزارهای کاربر پسند را بیاموزید.
رویکردی سرتاسر به مبانی TensorFlow.js برای مخاطبان فنی گسترده. پس از اتمام این کتاب ، می دانید چگونه با TensorFlow.js سیستم های یادگیری عمیق آماده تولید و استقرار را ایجاد کنید.
یک سری 3 قسمتی که هم آموزش و هم اجرای مدل های یادگیری ماشینی را با TensorFlow.js بررسی می کند و به شما نحوه ایجاد یک مدل یادگیری ماشین در جاوا اسکریپت را نشان می دهد که مستقیماً در مرورگر اجرا می شود.
این لیست پخش ویدیویی که بخشی از مجموعه بزرگتری در زمینه یادگیری ماشین و ایجاد شبکه های عصبی است ، بر TensorFlow.js ، API اصلی و نحوه استفاده از کتابخانه جاوا اسکریپت برای آموزش و استقرار مدل های ML تمرکز دارد.
برای موبایل و اینترنت اشیا
کاوش شدن منابع در TensorFlow بازگشت به محتوا | .
توسعه دهندگان Google
یادگیری ماشین روی دستگاهبیاموزید که چگونه اولین برنامه ML روی دستگاه خود را از طریق مسیرهای یادگیری که راهنماهای گام به گام برای موارد معمول استفاده از جمله طبقه بندی صوتی ، جستجوی محصولات بصری و موارد دیگر ارائه می دهند ، بسازید.
نحوه استقرار مدلهای یادگیری عمیق بر روی دستگاههای تلفن همراه و جاسازی شده با TensorFlow Lite را در این دوره ، که توسط تیم TensorFlow و Udacity به عنوان یک روش عملی برای استقرار مدل برای توسعه دهندگان نرم افزار توسعه یافته است ، بیاموزید.
با نحوه نصب یک سیستم خط لوله تولید با TFX آشنا شوید. ما به سرعت همه چیز را از بدست آوردن داده ها ، ایجاد مدل ، تا استقرار و مدیریت پوشش خواهیم داد.
این کتاب مراحل اتوماسیون خط لوله ML را با استفاده از اکوسیستم TensorFlow طی می کند. مثالهای یادگیری ماشین در این کتاب بر اساس TensorFlow و Keras است ، اما مفاهیم اصلی را می توان در هر چارچوبی به کار برد.
DeepLearning.AI
مهندسی یادگیری ماشین برای تولید (MLOps) تخصصقابلیت های مهندسی تولید خود را در این تخصص چهار دوره ای گسترش دهید. بیاموزید که چگونه سیستم های یکپارچه ای را که به طور مداوم در حال تولید عمل می کنند ، مفهوم سازی ، ایجاد و نگهداری کنید.
این دوره پیشرفته اجزای TFX ، تنظیم خط لوله و اتوماسیون و نحوه مدیریت فراداده ML با Google Cloud را پوشش می دهد.
هوش مصنوعی انسان محور
هنگام طراحی یک مدل ML یا ایجاد برنامه های کاربردی مبتنی بر هوش مصنوعی ، مهم است که افرادی را که با محصول در تعامل هستند ، در نظر بگیرید و بهترین راه را برای ایجاد انصاف ، تفسیرپذیری ، حریم خصوصی و امنیت در این سیستم های هوش مصنوعی در نظر بگیرید.
یاد بگیرید چگونه با استفاده از TensorFlow تمرینات هوش مصنوعی مسئول را در گردش کار ML خود ادغام کنید.
این کتاب راهنمای Google به شما کمک می کند تا محصولات هوش مصنوعی انسان محور بسازید. این به شما امکان می دهد از اشتباهات رایج جلوگیری کنید ، تجربیات عالی طراحی کنید و هنگام ایجاد برنامه های مبتنی بر هوش مصنوعی روی افراد تمرکز کنید.
این ماژول یک ساعته در MLCC Google زبان آموزان را با انواع مختلف سوگیری های انسانی که می توانند در داده های آموزشی ظاهر شوند و همچنین راهکارهایی برای شناسایی و ارزیابی اثرات آنها ، آشنا می کند.