در مسیر خود مسلط شوید

این کتاب مقدماتی یک رویکرد کد اول را برای یادگیری نحوه پیاده‌سازی رایج‌ترین سناریوهای ML، مانند بینایی کامپیوتر، پردازش زبان طبیعی (NLP) و مدل‌سازی توالی برای زمان‌های اجرا وب، موبایل، ابر و جاسازی شده ارائه می‌کند.

این کتاب یک مقدمه عملی و عملی برای یادگیری عمیق با کراس است.

این کتاب با استفاده از مثال‌های عینی، تئوری حداقل و دو چارچوب پایتون آماده تولید -Scikit-Learn و TensorFlow- به شما کمک می‌کند تا درک بصری از مفاهیم و ابزارهای ساخت سیستم‌های هوشمند به دست آورید.

این کتاب درسی یادگیری عمیق منبعی است که برای کمک به دانش‌آموزان و شاغلین در ورود به حوزه یادگیری ماشینی به طور کلی و یادگیری عمیق به طور خاص طراحی شده است.

این کتاب پیشینه ای نظری در مورد شبکه های عصبی ارائه می دهد. از TensorFlow استفاده نمی کند، اما یک مرجع عالی برای دانش آموزانی است که علاقه مند به یادگیری بیشتر هستند.

یک رویکرد انتها به انتها به اصول TensorFlow.js برای مخاطبان فنی گسترده. پس از اتمام این کتاب، می‌دانید که چگونه با TensorFlow.js سیستم‌های یادگیری عمیق آماده تولید بسازید و به کار ببرید.

این کتاب که توسط نویسندگان اصلی کتابخانه TensorFlow نوشته شده است، موارد استفاده جذاب و دستورالعمل های عمیق را برای برنامه های یادگیری عمیق در جاوا اسکریپت در مرورگر شما یا در Node ارائه می دهد.

این دوره که با همکاری تیم TensorFlow توسعه یافته است، بخشی از تخصص توسعه دهندگان TensorFlow است و بهترین روش ها برای استفاده از TensorFlow را به شما آموزش می دهد.

در این دوره آنلاین که توسط تیم TensorFlow و Udacity ایجاد شده است، یاد خواهید گرفت که چگونه برنامه های یادگیری عمیق را با TensorFlow بسازید.

در این تخصص چهار دوره ای که توسط یک توسعه دهنده TensorFlow تدریس می شود، ابزارها و نرم افزارهایی را که توسعه دهندگان برای ساختن الگوریتم های مقیاس پذیر مبتنی بر هوش مصنوعی در TensorFlow استفاده می کنند را بررسی خواهید کرد.

دوره خرابی یادگیری ماشین با API های TensorFlow یک راهنمای خودآموز برای متخصصان مشتاق یادگیری ماشین است. این شامل مجموعه ای از درس ها با سخنرانی های ویدیویی، مطالعات موردی در دنیای واقعی و تمرینات عملی است.

در این دوره آموزشی از MIT، دانش پایه ای از الگوریتم های یادگیری عمیق به دست خواهید آورد و تجربه عملی در ساخت شبکه های عصبی در TensorFlow کسب خواهید کرد.

در پنج دوره آموزشی، پایه‌های یادگیری عمیق را یاد خواهید گرفت، نحوه ساخت شبکه‌های عصبی را می‌شناسید، و یاد می‌گیرید که چگونه پروژه‌های یادگیری ماشینی موفق را رهبری کنید و شغلی در هوش مصنوعی ایجاد کنید. شما نه تنها به تئوری تسلط خواهید داشت، بلکه نحوه کاربرد آن در صنعت را نیز خواهید دید.

شما یاد گرفته اید که چگونه مدل ها را بسازید و آموزش دهید. اکنون یاد بگیرید که در سناریوهای مختلف استقرار پیمایش کنید و از داده ها به طور مؤثرتری برای آموزش مدل خود در این تخصصی چهار دوره استفاده کنید.

این تخصص برای مهندسین نرم افزار و ML با درک اساسی از TensorFlow است که به دنبال گسترش دانش و مجموعه مهارت های خود با یادگیری ویژگی های پیشرفته TensorFlow برای ساخت مدل های قدرتمند هستند.

بیاموزید که چگونه می توانید توجه بیشتری به تحقیقات پیشرفته خود داشته باشید، یا قدرت های فوق العاده ای را در برنامه های وب خود در کارهای آینده برای مشتریان خود یا شرکتی که با یادگیری ماشین مبتنی بر وب در آن کار می کنید، ارائه دهید.

این تخصص آنلاین از Coursera با هدف پر کردن شکاف ریاضیات و یادگیری ماشین، افزایش سرعت شما در ریاضیات اساسی برای ایجاد درک بصری، و مرتبط کردن آن با یادگیری ماشین و علم داده است.

این دوره مقدماتی از MIT نظریه ماتریس و جبر خطی را پوشش می دهد. تاکید بر موضوعاتی است که در رشته های دیگر مفید خواهد بود، از جمله سیستم های معادلات، فضاهای برداری، تعیین کننده ها، مقادیر ویژه، شباهت ها و ماتریس های قطعی مثبت.

این دوره مقدماتی حساب دیفرانسیل و انتگرال از MIT تمایز و ادغام توابع یک متغیر را با برنامه های کاربردی پوشش می دهد.

مقدمه ای بصری بر احتمال و آمار.

این کتاب یک نمای کلی در دسترس از زمینه یادگیری آماری ارائه می دهد، یک مجموعه ابزار ضروری برای درک دنیای گسترده و پیچیده مجموعه داده های مورد نیاز برای آموزش مدل ها در یادگیری ماشین.

یک رویکرد انتها به انتها به اصول TensorFlow.js برای مخاطبان فنی گسترده. پس از اتمام این کتاب، می‌دانید که چگونه با TensorFlow.js سیستم‌های یادگیری عمیق آماده تولید بسازید و به کار ببرید.

بیاموزید که چگونه با استفاده از TensorFlow تمرین‌های هوش مصنوعی مسئولیت‌پذیر را در جریان کاری ML خود ادغام کنید.

این کتاب راهنمای گوگل به شما کمک می کند تا محصولات هوش مصنوعی انسان محور بسازید. این به شما این امکان را می دهد که از اشتباهات رایج اجتناب کنید، تجربیات عالی طراحی کنید و هنگام ساخت برنامه های مبتنی بر هوش مصنوعی روی افراد تمرکز کنید.

این ماژول یک ساعته در MLCC Google، یادگیرندگان را با انواع مختلفی از تعصبات انسانی که می‌توانند در داده‌های آموزشی آشکار شوند، و همچنین استراتژی‌هایی برای شناسایی و ارزیابی اثرات آنها آشنا می‌کند.