Google is committed to advancing racial equity for Black communities. See how.

अपना पथ मास्टर करें

मशीन सीखने में एक विशेषज्ञ बनने के लिए, आप पहली बार में एक मजबूत नींव की जरूरत है चार सीखने क्षेत्रों कोडिंग, गणित, एमएल सिद्धांत, और कैसे शुरू से आखिर तक अपनी खुद की एमएल परियोजना के निर्माण के लिए:।

TensorFlow के साथ शुरू क्यूरेट पाठ्यक्रमों इन चार कौशल में सुधार, या हमारी का लाभ उठाकर अपना स्वयं के शिक्षण पथ का चयन करने के संसाधन पुस्तकालय नीचे।

मशीन लर्निंग शिक्षा के चार क्षेत्र

अपने शैक्षिक पथ की शुरुआत करते समय, पहले यह समझना महत्वपूर्ण है कि एमएल कैसे सीखें। हमने सीखने की प्रक्रिया को ज्ञान के चार क्षेत्रों में विभाजित किया है, प्रत्येक क्षेत्र एमएल पहेली का एक मूलभूत टुकड़ा प्रदान करता है। आपके पथ पर आपकी सहायता करने के लिए, हमने उन पुस्तकों, वीडियो और ऑनलाइन पाठ्यक्रमों की पहचान की है जो आपकी क्षमताओं को बढ़ाएंगे, और आपको अपनी परियोजनाओं के लिए एमएल का उपयोग करने के लिए तैयार करेंगे। अपने ज्ञान को बढ़ाने के लिए डिज़ाइन किए गए हमारे निर्देशित पाठ्यक्रम से शुरू करें, या हमारे संसाधन पुस्तकालय की खोज करके अपना रास्ता चुनें।

  • कोडिंग कौशल: सिर्फ एमएल जानने से बिल्डिंग एमएल मॉडल शामिल है और अधिक अवधारणाओं-यह डेटा प्रबंधन करने के लिए आदेश, पैरामीटर ट्यूनिंग में कोडिंग, और परीक्षण करने के लिए आवश्यक परिणाम पार्स करने की आवश्यकता है और अपने मॉडल का अनुकूलन।

  • गणित और आँकड़े: एमएल एक गणित भारी अनुशासन है, इसलिए यदि आप एमएल मॉडल को संशोधित करने या शुरु से नए निर्माण करने की योजना है, अंतर्निहित गणित अवधारणाओं के साथ परिचित प्रक्रिया के लिए महत्वपूर्ण है।

  • एमएल सिद्धांत: एमएल सिद्धांत की मूल बातें आप पर बनाने के लिए एक आधार दे देंगे जानने के बाद, और समस्या निवारण में सहायता जब कुछ गलत हो जाता।

  • अपनी खुद की परियोजनाओं बिल्ड: एमएल के साथ अनुभव पर हाथ हो रही है सबसे अच्छा तरीका है परीक्षण करने के लिए अपने ज्ञान डाल करने के लिए है, इसलिए एक साधारण के साथ जल्दी में गोता डर मत बनो colab या ट्यूटोरियल कुछ अभ्यास पाने के लिए।

TensorFlow पाठ्यक्रम

अनुशंसित पाठ्यक्रमों, पुस्तकों और वीडियो वाले हमारे किसी निर्देशित पाठ्यक्रम के साथ सीखना शुरू करें।

नौसिखिये के लिए
TensorFlow के साथ मशीन लर्निंग की मूल बातें

पुस्तकों और ऑनलाइन पाठ्यक्रमों के इस संग्रह के साथ एमएल की मूल बातें सीखें। आपको TensorFlow 2.0 का उपयोग करके गहन शिक्षण के माध्यम से निर्देशित, स्किकिट-लर्न के साथ एमएल से परिचित कराया जाएगा, और फिर आपके पास शुरुआती ट्यूटोरियल के साथ जो आप सीखते हैं उसका अभ्यास करने का अवसर होगा।

मध्यवर्ती स्तर और विशेषज्ञों के लिए
TensorFlow के साथ सैद्धांतिक और उन्नत मशीन लर्निंग

एक बार जब आप मशीन लर्निंग की मूल बातें समझ लेते हैं, तो तंत्रिका नेटवर्क की सैद्धांतिक समझ, गहरी शिक्षा, और अंतर्निहित गणित अवधारणाओं के अपने ज्ञान में सुधार करके अपनी क्षमताओं को अगले स्तर तक ले जाएं।

नौसिखिये के लिए
विशेषज्ञता: जावास्क्रिप्ट विकास के लिए TensorFlow की मूल बातें

जावास्क्रिप्ट में मशीन लर्निंग मॉडल विकसित करने की मूल बातें जानें, और सीधे ब्राउज़र में कैसे परिनियोजित करें। आपको गहन शिक्षण और हाथों पर अभ्यास के माध्यम से TensorFlow.js के साथ शुरुआत करने के बारे में एक उच्च-स्तरीय परिचय मिलेगा।

शैक्षिक संसाधन

अपना स्वयं का सीखने का मार्ग चुनें, और आपको ML की नींव सिखाने के लिए TensorFlow टीम द्वारा अनुशंसित पुस्तकों, पाठ्यक्रमों, वीडियो और अभ्यासों का पता लगाएं।

पुस्तकें

पढ़ना एमएल की नींव और गहरी शिक्षा को समझने के सर्वोत्तम तरीकों में से एक है। किताबें आपको भविष्य में नई अवधारणाओं को अधिक तेज़ी से सीखने में मदद करने के लिए आवश्यक सैद्धांतिक समझ प्रदान कर सकती हैं।

पुस्तकें
एआई और मशीन लर्निंग फॉर कोडर्स: ए प्रोग्रामर गाइड टू आर्टिफिशियल इंटेलिजेंस, लारेंस मोरोनी द्वारा

यह परिचयात्मक पुस्तक सबसे सामान्य एमएल परिदृश्यों को लागू करने का तरीका सीखने के लिए एक कोड-प्रथम दृष्टिकोण प्रदान करती है, जैसे कि कंप्यूटर विज़न, प्राकृतिक भाषा प्रसंस्करण (एनएलपी), और वेब, मोबाइल, क्लाउड और एम्बेडेड रनटाइम के लिए अनुक्रम मॉडलिंग।

पुस्तकें
डीप लर्निंग विथ पायथन, फ्रेंकोइस चॉलेट द्वारा

यह पुस्तक केरस के साथ डीप लर्निंग का एक व्यावहारिक, व्यावहारिक परिचय है।

पुस्तकें
ऑरेलियन गेरॉन द्वारा स्किकिट-लर्न, केरस और टेंसरफ्लो के साथ हैंड्स-ऑन मशीन लर्निंग, दूसरा संस्करण

ठोस उदाहरणों, न्यूनतम सिद्धांत और दो उत्पादन-तैयार पायथन फ्रेमवर्क-स्किकिट-लर्न और टेंसरफ्लो का उपयोग करते हुए- यह पुस्तक आपको बुद्धिमान प्रणालियों के निर्माण के लिए अवधारणाओं और उपकरणों की सहज समझ हासिल करने में मदद करती है।

पुस्तकें
डीप लर्निंग: एन एमआईटी प्रेस बुक, इयान गुडफेलो, योशुआ बेंगियो और आरोन कौरविल द्वारा

यह डीप लर्निंग पाठ्यपुस्तक एक ऐसा संसाधन है जिसका उद्देश्य छात्रों और अभ्यासियों को सामान्य रूप से मशीन लर्निंग के क्षेत्र में प्रवेश करने और विशेष रूप से डीप लर्निंग के क्षेत्र में प्रवेश करने में मदद करना है।

पुस्तकें
माइकल नीलसन द्वारा तंत्रिका नेटवर्क और गहरी शिक्षा

यह पुस्तक तंत्रिका नेटवर्क पर एक सैद्धांतिक पृष्ठभूमि प्रदान करती है। यह TensorFlow का उपयोग नहीं करता है, लेकिन अधिक सीखने में रुचि रखने वाले छात्रों के लिए यह एक बेहतरीन संदर्भ है।

पुस्तकें
शैंकिंग कै, स्टेनली बिलेस्की, एरिक डी. नीलसन द्वारा फ्रेंकोइस चॉलेट के साथ डीप लर्निंग विद जावास्क्रिप्ट

TensorFlow लाइब्रेरी के मुख्य लेखकों द्वारा लिखित, यह पुस्तक आपके ब्राउज़र में या Node. पर जावास्क्रिप्ट में गहन शिक्षण ऐप्स के लिए आकर्षक उपयोग के मामले और गहन निर्देश प्रदान करती है।

बहु-भाग ऑनलाइन पाठ्यक्रम

एमएल की बुनियादी अवधारणाओं को सीखने के लिए एक बहु-भाग ऑनलाइन पाठ्यक्रम लेना एक अच्छा तरीका है। कई पाठ्यक्रम उत्कृष्ट दृश्य व्याख्याकार प्रदान करते हैं, और मशीन लर्निंग को सीधे काम पर, या आपकी व्यक्तिगत परियोजनाओं के साथ लागू करने के लिए आवश्यक उपकरण प्रदान करते हैं।

परिचयात्मक ऑनलाइन पाठ्यक्रम
deeplearning.ai: TensorFlow: डेटा और परिनियोजन विशेषज्ञता

आपने मॉडल बनाना और प्रशिक्षित करना सीख लिया है। अब इस चार-कोर्स विशेषज्ञता में अपने मॉडल को प्रशिक्षित करने के लिए विभिन्न परिनियोजन परिदृश्यों को नेविगेट करना और डेटा का अधिक प्रभावी ढंग से उपयोग करना सीखें।

परिचयात्मक ऑनलाइन पाठ्यक्रम
deeplearning.ai: AI, ML और डीप लर्निंग के लिए TensorFlow का परिचय

TensorFlow टीम के सहयोग से विकसित, यह कोर्स TensorFlow in practice Specialization का हिस्सा है और आपको TensorFlow का उपयोग करने के लिए सर्वोत्तम अभ्यास सिखाएगा।

परिचयात्मक ऑनलाइन पाठ्यक्रम
उडनेस: डीप लर्निंग के लिए TensorFlow का परिचय

TensorFlow टीम और Udacity द्वारा विकसित इस ऑनलाइन पाठ्यक्रम में, आप TensorFlow के साथ गहन शिक्षण अनुप्रयोगों का निर्माण करना सीखेंगे।

परिचयात्मक ऑनलाइन पाठ्यक्रम
deeplearning.ai: अभ्यास विशेषज्ञता में TensorFlow

TensorFlow डेवलपर द्वारा सिखाए गए इस चार-कोर्स विशेषज्ञता में, आप TensorFlow में स्केलेबल AI-संचालित एल्गोरिदम बनाने के लिए उपयोग किए जाने वाले टूल और सॉफ़्टवेयर डेवलपर्स का पता लगाएंगे।

परिचयात्मक ऑनलाइन पाठ्यक्रम
deeplearning.ai: डीप लर्निंग स्पेशलाइजेशन

पांच पाठ्यक्रमों में, आप डीप लर्निंग की नींव सीखेंगे, समझेंगे कि तंत्रिका नेटवर्क कैसे बनाया जाता है, और सफल मशीन लर्निंग प्रोजेक्ट्स का नेतृत्व करना और एआई में करियर बनाना सीखना होगा। आप न केवल सिद्धांत में महारत हासिल करेंगे, बल्कि यह भी देखेंगे कि इसे उद्योग में कैसे लागू किया जाता है।

परिचयात्मक ऑनलाइन पाठ्यक्रम
स्टैनफोर्ड कोर्स CS231n: विजुअल रिकग्निशन के लिए कन्वेन्शनल न्यूरल नेटवर्क्स

यह कोर्स कंप्यूटर विज़न कार्यों, विशेष रूप से छवि वर्गीकरण के लिए एंड-टू-एंड मॉडल सीखने पर ध्यान देने के साथ गहन शिक्षण आर्किटेक्चर के विवरण में एक गहरा गोता है। पाठ्यक्रम के पिछले पुनरावृत्तियों से व्याख्यान वीडियो, स्लाइड और पिछले पाठ्यक्रम नोट्स का अन्वेषण करें।

परिचयात्मक ऑनलाइन पाठ्यक्रम
MIT कोर्स 6.S191: डीप लर्निंग का परिचय

MIT से इस कोर्स में, आप गहन शिक्षण एल्गोरिदम का मूलभूत ज्ञान प्राप्त करेंगे और TensorFlow में तंत्रिका नेटवर्क के निर्माण में व्यावहारिक अनुभव प्राप्त करेंगे।

अन्य संसाधन

मोबाइल और वेब डेवलपर्स और उत्पादन पाइपलाइन बनाने के इच्छुक उपयोगकर्ताओं के लिए, हमने आपके टेंसरफ्लो पुस्तकालयों और आपकी आवश्यकताओं के लिए विशिष्ट ढांचे सहित आरंभ करने में आपकी सहायता के लिए हमारे पसंदीदा संसाधन एकत्र किए हैं।

परिचयात्मक ऑनलाइन पाठ्यक्रम
जेएस में डीप लर्निंग आशी कृष्णन द्वारा

deeplearn.js का उपयोग करके पता करें कि डीप लर्निंग सिस्टम कैसे सीखते हैं और जांचते हैं कि वे कैसे सोचते हैं।

परिचयात्मक ऑनलाइन पाठ्यक्रम
TensorFlow द्वारा TensorFlow.js के साथ शुरुआत करना

एक 3-भाग श्रृंखला जो TensorFlow.js के साथ मशीन लर्निंग मॉडल के प्रशिक्षण और निष्पादन दोनों की खोज करती है, और आपको दिखाती है कि जावास्क्रिप्ट में मशीन लर्निंग मॉडल कैसे बनाया जाता है जो सीधे ब्राउज़र में निष्पादित होता है।

परिचयात्मक ऑनलाइन पाठ्यक्रम
TensorFlow.js: कोडिंग ट्रेन द्वारा इंटेलिजेंस और लर्निंग सीरीज़

मशीन सीखने और तंत्रिका नेटवर्क के निर्माण पर एक बड़ी श्रृंखला का हिस्सा, यह वीडियो प्लेलिस्ट TensorFlow.js, कोर एपीआई, और एमएल मॉडल को प्रशिक्षित और तैनात करने के लिए जावास्क्रिप्ट लाइब्रेरी का उपयोग करने पर केंद्रित है।

परिचयात्मक ऑनलाइन पाठ्यक्रम
TensorFlow.js डीपलीज़ार्ड द्वारा जावास्क्रिप्ट के साथ डीप लर्निंग

यह श्रृंखला क्लाइंट-साइड कृत्रिम तंत्रिका नेटवर्क की अवधारणा का परिचय देती है। क्लाइंट-सर्वर डीप लर्निंग आर्किटेक्चर के बारे में जानें, केरस मॉडल को टीएफजेएस मॉडल में बदलना, नोड.जेएस के साथ मॉडल पेश करना, ब्राउज़र में प्रशिक्षण और ट्रांसफर लर्निंग आदि।

परिचयात्मक ऑनलाइन पाठ्यक्रम
TensorFlow विस्तारित: उत्पादन में वास्तविक विश्व मशीन लर्निंग

अपनी खुद की उत्पादन एमएल पाइपलाइन बनाने के लिए TensorFlow Extended (TFX) का उपयोग करने पर TensorFlow टीम की पांच भाग श्रृंखला।

परिचयात्मक ऑनलाइन पाठ्यक्रम
आपके डिवाइस पर मशीन लर्निंग: विकल्प (Google I/O'19)

Google I/O का यह सत्र मोबाइल ऐप और एज डिवाइस को बढ़ाने के लिए मशीन लर्निंग का उपयोग करने के लिए उपलब्ध विभिन्न विकल्पों को उजागर करेगा। जानें कि मॉडल को प्रशिक्षित करने के लिए TensorFlow Lite का उपयोग कैसे किया जा सकता है और विभिन्न उपकरणों में उनका उपयोग कैसे किया जा सकता है।

गणित अवधारणा

अपने एमएल ज्ञान के साथ गहराई तक जाने के लिए, ये संसाधन आपको उच्च स्तर की उन्नति के लिए आवश्यक अंतर्निहित गणित अवधारणाओं को समझने में मदद कर सकते हैं।

गणित अवधारणा
Google Developers Machine Learning Crash Course

TensorFlow API के साथ मशीन लर्निंग क्रैश कोर्स महत्वाकांक्षी मशीन लर्निंग प्रैक्टिशनर्स के लिए एक स्व-अध्ययन मार्गदर्शिका है। इसमें वीडियो लेक्चर, रियल-वर्ल्ड केस स्टडी और व्यावहारिक अभ्यास के साथ पाठों की एक श्रृंखला है।

गणित अवधारणा
कौरसेरा: मशीन लर्निंग स्पेशलाइजेशन के लिए गणित

कौरसेरा की इस ऑनलाइन विशेषज्ञता का उद्देश्य गणित और मशीन लर्निंग के बीच की खाई को पाटना है, जो आपको एक सहज समझ बनाने के लिए अंतर्निहित गणित में गति प्रदान करता है, और इसे मशीन लर्निंग और डेटा साइंस से जोड़ता है।

गणित अवधारणा
डीप लर्निंग, by 3blue1brown

दृश्य-प्रथम दृष्टिकोण के साथ गणित को प्रस्तुत करने के इर्द-गिर्द 3blue1भूरे रंग के केंद्र। इस वीडियो श्रृंखला में, आप एक तंत्रिका नेटवर्क की मूल बातें सीखेंगे और यह गणित की अवधारणाओं के माध्यम से कैसे काम करता है।

गणित अवधारणा
रैखिक बीजगणित का सार, द्वारा 3blue1brown by

3blue1brown से लघु, दृश्य वीडियो की एक श्रृंखला जो मैट्रिसेस, निर्धारकों, आइजन-सामान और अधिक की ज्यामितीय समझ की व्याख्या करती है।

गणित अवधारणा
पथरी का सार, 3blue1brown . द्वारा

3blue1brown से लघु, दृश्य वीडियो की एक श्रृंखला जो कैलकुलस के मूल सिद्धांतों को इस तरह से समझाती है जो आपको मूलभूत प्रमेयों की एक मजबूत समझ प्रदान करती है, न कि केवल समीकरण कैसे काम करते हैं।

गणित अवधारणा
एमआईटी पाठ्यक्रम १८.०६ : रैखिक बीजगणित

MIT के इस परिचयात्मक पाठ्यक्रम में मैट्रिक्स सिद्धांत और रैखिक बीजगणित शामिल हैं। उन विषयों पर जोर दिया जाता है जो अन्य विषयों में उपयोगी होंगे, जिनमें समीकरणों की प्रणाली, वेक्टर रिक्त स्थान, निर्धारक, eigenvalues, समानता और सकारात्मक निश्चित मैट्रिक्स शामिल हैं।

गणित अवधारणा
एमआईटी कोर्स १८.०१: सिंगल वेरिएबल कैलकुलस

एमआईटी से यह प्रारंभिक कैलकुस पाठ्यक्रम अनुप्रयोगों के साथ एक चर के कार्यों के भेदभाव और एकीकरण को शामिल करता है।

गणित अवधारणा
सिद्धांत देखना

संभाव्यता और सांख्यिकी के लिए एक दृश्य परिचय।

गणित अवधारणा
एन इंट्रोडक्शन टू स्टैटिस्टिकल लर्निंग, विद एप्लीकेशन्स इन आर इन जेम्स, जी., विटेन, डी., हेस्टी, टी., और तिब्शीरानी, ​​​​आर।

यह पुस्तक सांख्यिकीय सीखने के क्षेत्र का एक सुलभ अवलोकन प्रदान करती है, जो मशीन लर्निंग में मॉडल को प्रशिक्षित करने के लिए आवश्यक डेटासेट की विशाल और जटिल दुनिया की समझ बनाने के लिए एक आवश्यक टूलसेट है।

मानव-केंद्रित एआई

एमएल मॉडल डिजाइन करते समय, या एआई-संचालित अनुप्रयोगों का निर्माण करते समय, उत्पाद के साथ बातचीत करने वाले लोगों पर विचार करना और इन एआई सिस्टम में निष्पक्षता, व्याख्या, गोपनीयता और सुरक्षा का निर्माण करने का सबसे अच्छा तरीका है।

मानव-केंद्रित एआई
जिम्मेदार एआई

TensorFlow का उपयोग करके अपने ML वर्कफ़्लो में Responsible AI प्रथाओं को एकीकृत करने का तरीका जानें।

मानव-केंद्रित एआई
लोग + एआई गाइडबुक

Google की यह गाइडबुक आपको मानव-केंद्रित AI उत्पाद बनाने में मदद करेगी। यह आपको सामान्य गलतियों से बचने, उत्कृष्ट अनुभवों को डिजाइन करने और लोगों पर ध्यान केंद्रित करने में सक्षम करेगा क्योंकि आप एआई-संचालित एप्लिकेशन बनाते हैं।

मानव-केंद्रित एआई
मशीन लर्निंग मॉड्यूल में निष्पक्षता का परिचय

Google के MLCC के भीतर एक घंटे का यह मॉड्यूल शिक्षार्थियों को विभिन्न प्रकार के मानवीय पूर्वाग्रहों से परिचित कराता है जो प्रशिक्षण डेटा में प्रकट हो सकते हैं, साथ ही उनके प्रभावों की पहचान और मूल्यांकन के लिए रणनीतियाँ भी।