Kuasai jalanmu
Untuk menjadi seorang ahli dalam pembelajaran mesin, Anda harus terlebih dahulu dasar yang kuat dalam empat bidang pembelajaran : coding, matematika, teori ML, dan bagaimana membangun proyek ML Anda sendiri dari awal sampai akhir.
Mulailah dengan TensorFlow ini kurikulum curated untuk meningkatkan empat keterampilan ini, atau memilih jalan belajar Anda sendiri dengan menjelajahi kami sumber daya perpustakaan di bawah ini.
Empat bidang pendidikan pembelajaran mesin
Saat memulai jalur pendidikan Anda, penting untuk terlebih dahulu memahami cara belajar ML. Kami telah memecah proses pembelajaran menjadi empat bidang pengetahuan, dengan masing-masing bidang memberikan bagian dasar dari teka-teki ML. Untuk membantu Anda, kami telah mengidentifikasi buku, video, dan kursus online yang akan meningkatkan kemampuan Anda, dan mempersiapkan Anda untuk menggunakan ML untuk proyek Anda. Mulailah dengan kurikulum terpandu kami yang dirancang untuk meningkatkan pengetahuan Anda, atau pilih jalur Anda sendiri dengan menjelajahi perpustakaan sumber daya kami.
Kurikulum TensorFlow
Mulailah belajar dengan salah satu kurikulum terpandu kami yang berisi kursus, buku, dan video yang direkomendasikan.
Pelajari dasar-dasar ML dengan koleksi buku dan kursus online ini. Anda akan diperkenalkan ke ML dengan scikit-learn, dipandu melalui pembelajaran mendalam menggunakan TensorFlow 2.0, dan kemudian Anda akan memiliki kesempatan untuk mempraktikkan apa yang Anda pelajari dengan tutorial pemula.
Setelah Anda memahami dasar-dasar pembelajaran mesin, tingkatkan kemampuan Anda ke tingkat berikutnya dengan menyelami pemahaman teoretis tentang jaringan saraf, pembelajaran mendalam, dan meningkatkan pengetahuan Anda tentang konsep matematika yang mendasarinya.
Pelajari dasar-dasar pengembangan model pembelajaran mesin dalam JavaScript, dan cara menerapkan langsung di browser. Anda akan mendapatkan pengenalan tingkat tinggi tentang pembelajaran mendalam dan tentang cara memulai TensorFlow.js melalui latihan langsung.
Sumber daya pendidikan
Pilih jalur pembelajaran Anda sendiri, dan jelajahi buku, kursus, video, dan latihan yang direkomendasikan oleh tim TensorFlow untuk mengajari Anda dasar-dasar ML.
Buku
Membaca adalah salah satu cara terbaik untuk memahami dasar-dasar ML dan pembelajaran mendalam. Buku dapat memberi Anda pemahaman teoretis yang diperlukan untuk membantu Anda mempelajari konsep-konsep baru lebih cepat di masa depan.
Buku pengantar ini memberikan pendekatan yang mengutamakan kode untuk mempelajari cara menerapkan skenario ML yang paling umum, seperti visi komputer, pemrosesan bahasa alami (NLP), dan pemodelan urutan untuk web, seluler, cloud, dan runtime tersemat.
Buku ini adalah pengantar praktis dan langsung untuk Deep Learning with Keras.
Menggunakan contoh nyata, teori minimal, dan dua kerangka kerja Python siap produksi—Scikit-Learn dan TensorFlow—buku ini membantu Anda memperoleh pemahaman intuitif tentang konsep dan alat untuk membangun sistem cerdas.
Buku teks Deep Learning ini adalah sumber yang dimaksudkan untuk membantu siswa dan praktisi memasuki bidang pembelajaran mesin secara umum, dan pembelajaran mendalam pada khususnya.
Buku ini memberikan latar belakang teoritis tentang jaringan saraf. Itu tidak menggunakan TensorFlow, tetapi merupakan referensi yang bagus untuk siswa yang tertarik untuk mempelajari lebih lanjut.
Ditulis oleh penulis utama perpustakaan TensorFlow, buku ini memberikan kasus penggunaan yang menarik dan instruksi mendalam untuk aplikasi pembelajaran mendalam di JavaScript di browser Anda atau di Node.js.
Kursus online multi-bagian
Mengambil kursus online multi-bagian adalah cara yang baik untuk mempelajari konsep dasar ML. Banyak kursus memberikan penjelasan visual yang hebat, dan alat yang diperlukan untuk mulai menerapkan pembelajaran mesin secara langsung di tempat kerja, atau dengan proyek pribadi Anda.
Anda telah belajar cara membuat dan melatih model. Sekarang pelajari cara menavigasi berbagai skenario penerapan dan menggunakan data secara lebih efektif untuk melatih model Anda dalam Spesialisasi empat kursus ini.
Dikembangkan bersama tim TensorFlow, kursus ini adalah bagian dari TensorFlow dalam Spesialisasi Praktik dan akan mengajarkan Anda praktik terbaik untuk menggunakan TensorFlow.
Dalam kursus online yang dikembangkan oleh tim TensorFlow dan Udacity ini, Anda akan mempelajari cara membuat aplikasi pembelajaran mendalam dengan TensorFlow.
Dalam Spesialisasi empat kursus yang diajarkan oleh pengembang TensorFlow ini, Anda akan mempelajari alat dan pengembang perangkat lunak yang digunakan untuk membangun algoritme bertenaga AI yang skalabel di TensorFlow.
Dalam lima kursus, Anda akan mempelajari dasar-dasar Pembelajaran Mendalam, memahami cara membangun jaringan saraf, dan mempelajari cara memimpin proyek pembelajaran mesin yang sukses dan membangun karier di AI. Anda tidak hanya akan menguasai teorinya, tetapi juga melihat bagaimana penerapannya di industri.
Kursus ini membahas secara mendalam detail arsitektur pembelajaran mendalam dengan fokus pada pembelajaran model ujung ke ujung untuk tugas visi komputer, khususnya klasifikasi gambar. Jelajahi video kuliah, slide, dan catatan silabus sebelumnya dari iterasi kursus sebelumnya.
Dalam kursus dari MIT ini, Anda akan memperoleh pengetahuan dasar tentang algoritme pembelajaran mendalam dan mendapatkan pengalaman praktis dalam membangun jaringan saraf di TensorFlow.
Sumber daya lainnya
Untuk pengembang dan pengguna seluler dan web yang ingin membangun saluran produksi, kami telah mengumpulkan sumber daya favorit kami untuk membantu Anda memulai, termasuk pustaka dan kerangka kerja TensorFlow khusus untuk kebutuhan Anda.
Menggunakan deeplearn.js, cari tahu seberapa dalam sistem pembelajaran belajar dan periksa cara berpikir mereka.
Seri 3 bagian yang mengeksplorasi pelatihan dan eksekusi model machine learning dengan TensorFlow.js, dan menunjukkan cara membuat model machine learning dalam JavaScript yang dijalankan langsung di browser.
Bagian dari seri yang lebih besar tentang pembelajaran mesin dan membangun jaringan saraf, daftar putar video ini berfokus pada TensorFlow.js, API inti, dan cara menggunakan pustaka JavaScript untuk melatih dan menerapkan model ML.
Seri ini memperkenalkan konsep jaringan saraf tiruan sisi klien. Pelajari tentang arsitektur pembelajaran mendalam klien-server, mengonversi model Keras ke model TFJS, menyajikan model dengan Node.js, melatih dan mentransfer pembelajaran di browser, dan banyak lagi.
Lima bagian seri dari tim TensorFlow tentang penggunaan TensorFlow Extended (TFX) untuk membuat pipeline ML produksi Anda sendiri.
Sesi dari Google I/O ini akan mengungkap berbagai opsi yang tersedia untuk menggunakan pembelajaran mesin guna menyempurnakan aplikasi seluler dan perangkat edge. Pelajari bagaimana TensorFlow Lite dapat digunakan untuk melatih model dan cara menggunakannya di berbagai perangkat.
konsep matematika
Untuk mempelajari lebih dalam tentang pengetahuan ML Anda, sumber daya ini dapat membantu Anda memahami konsep matematika dasar yang diperlukan untuk kemajuan tingkat yang lebih tinggi.
Kursus Singkat Machine Learning dengan TensorFlow API adalah panduan belajar mandiri untuk calon praktisi machine learning. Ini menampilkan serangkaian pelajaran dengan ceramah video, studi kasus dunia nyata, dan latihan praktik langsung.
Spesialisasi online dari Coursera ini bertujuan untuk menjembatani kesenjangan matematika dan pembelajaran mesin, membuat Anda lebih cepat dalam matematika yang mendasarinya untuk membangun pemahaman intuitif, dan menghubungkannya dengan Pembelajaran Mesin dan Ilmu Data.
3blue1brown berpusat pada penyajian matematika dengan pendekatan visual-first. Dalam seri video ini, Anda akan mempelajari dasar-dasar jaringan saraf dan cara kerjanya melalui konsep matematika.
Serangkaian video visual pendek dari 3blue1brown yang menjelaskan pemahaman geometris dari matriks, determinan, eigen-stuff, dan banyak lagi.
Serangkaian video visual pendek dari 3blue1brown yang menjelaskan dasar-dasar kalkulus dengan cara yang memberi Anda pemahaman yang kuat tentang teorema dasar, dan bukan hanya bagaimana persamaan bekerja.
Kursus pengantar dari MIT ini mencakup teori matriks dan aljabar linier. Penekanan diberikan pada topik yang akan berguna dalam disiplin ilmu lain, termasuk sistem persamaan, ruang vektor, determinan, nilai eigen, kesamaan, dan matriks pasti positif.
Kursus pengantar kalkulus dari MIT ini mencakup diferensiasi dan integrasi fungsi satu variabel, dengan aplikasi.
Pengantar visual untuk probabilitas dan statistik.
Buku ini memberikan ikhtisar yang dapat diakses tentang bidang pembelajaran statistik, perangkat penting untuk memahami dunia kumpulan data yang luas dan kompleks yang diperlukan untuk melatih model dalam pembelajaran mesin.
AI yang berpusat pada manusia
Saat merancang model ML, atau membuat aplikasi berbasis AI, penting untuk mempertimbangkan orang yang berinteraksi dengan produk, dan cara terbaik untuk membangun keadilan, interpretasi, privasi, dan keamanan ke dalam sistem AI ini.
Pelajari cara mengintegrasikan praktik AI yang Bertanggung Jawab ke dalam alur kerja ML Anda menggunakan TensorFlow.
Buku panduan dari Google ini akan membantu Anda membuat produk AI yang berpusat pada manusia. Ini akan memungkinkan Anda menghindari kesalahan umum, merancang pengalaman luar biasa, dan fokus pada orang-orang saat Anda membangun aplikasi berbasis AI.
Modul satu jam dalam MLCC Google ini memperkenalkan siswa pada berbagai jenis bias manusia yang dapat terwujud dalam data pelatihan, serta strategi untuk mengidentifikasi, dan mengevaluasi pengaruhnya.