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

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.

  • Coding keterampilan: model Building ML melibatkan lebih dari sekedar mengetahui ML konsep-memerlukan coding untuk melakukan pengelolaan data, parameter tuning, dan parsing hasil yang dibutuhkan untuk menguji dan mengoptimalkan model Anda.

  • Matematika dan statistik: ML adalah disiplin matematika berat, jadi jika Anda berencana untuk memodifikasi model ML atau membangun yang baru dari awal, keakraban dengan konsep-konsep matematika yang mendasari sangat penting untuk proses.

  • Teori ML: Mengetahui dasar-dasar teori ML akan memberikan dasar untuk membangun, dan membantu Anda memecahkan masalah ketika sesuatu berjalan salah.

  • Membangun proyek-proyek Anda sendiri: Mendapatkan pengalaman tangan dengan ML adalah cara terbaik untuk menempatkan pengetahuan Anda untuk tes, jadi jangan takut untuk menyelam di awal dengan sederhana colab atau tutorial untuk mendapatkan beberapa latihan.

Kurikulum TensorFlow

Mulailah belajar dengan salah satu kurikulum terpandu kami yang berisi kursus, buku, dan video yang direkomendasikan.

Untuk pemula
Dasar-dasar pembelajaran mesin dengan TensorFlow

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.

Untuk tingkat menengah & ahli
Pembelajaran mesin teoretis dan canggih dengan TensorFlow

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.

Untuk pemula
Spesialisasi: Dasar-dasar TensorFlow untuk pengembangan JavaScript

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
AI dan Pembelajaran Mesin untuk Pembuat Kode: Panduan Programmer untuk Kecerdasan Buatan, oleh Laurence Moroney

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
Pembelajaran Mendalam dengan Python, oleh Francois Chollet

Buku ini adalah pengantar praktis dan langsung untuk Deep Learning with Keras.

Buku
Pembelajaran Mesin Langsung dengan Scikit-Learn, Keras, dan TensorFlow, Edisi ke-2, oleh Aurélien Géron

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
Pembelajaran Mendalam: Buku Pers MIT, oleh Ian Goodfellow, Yoshua Bengio, dan Aaron Courville

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
Jaringan Neural dan Pembelajaran Mendalam, oleh Michael Nielsen

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.

Buku
Pembelajaran Mendalam dengan JavaScript oleh Shanqing Cai, Stanley Bileschi, Eric D. Nielsen dengan Francois Chollet

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.

Kursus online pengantar
deeplearning.ai: TensorFlow: Spesialisasi Data dan Deployment

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.

Kursus online pengantar
deeplearning.ai: Pengantar TensorFlow untuk AI, ML, dan Pembelajaran Mendalam

Dikembangkan bersama tim TensorFlow, kursus ini adalah bagian dari TensorFlow dalam Spesialisasi Praktik dan akan mengajarkan Anda praktik terbaik untuk menggunakan TensorFlow.

Kursus online pengantar
Udacity: Pengantar TensorFlow untuk Pembelajaran Mendalam

Dalam kursus online yang dikembangkan oleh tim TensorFlow dan Udacity ini, Anda akan mempelajari cara membuat aplikasi pembelajaran mendalam dengan TensorFlow.

Kursus online pengantar
deeplearning.ai: TensorFlow dalam Spesialisasi Praktik

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.

Kursus online pengantar
deeplearning.ai: Spesialisasi Pembelajaran Mendalam

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 online pengantar
Kursus Stanford CS231n: Jaringan Saraf Konvolusi untuk Pengenalan Visual

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.

Kursus online pengantar
Kursus MIT 6.S191: Pengantar Pembelajaran Mendalam

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.

Kursus online pengantar
Pembelajaran Mendalam di JS oleh Ashi Krishnan

Menggunakan deeplearn.js, cari tahu seberapa dalam sistem pembelajaran belajar dan periksa cara berpikir mereka.

Kursus online pengantar
Memulai TensorFlow.js oleh TensorFlow

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.

Kursus online pengantar
TensorFlow.js: Seri Intelijen dan Pembelajaran dengan Coding Train

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.

Kursus online pengantar
TensorFlow.js Deep Learning dengan JavaScript oleh Deeplizard

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.

Kursus online pengantar
TensorFlow Extended: Pembelajaran Mesin Dunia Nyata dalam Produksi

Lima bagian seri dari tim TensorFlow tentang penggunaan TensorFlow Extended (TFX) untuk membuat pipeline ML produksi Anda sendiri.

Kursus online pengantar
Pembelajaran Mesin di Perangkat Anda: Opsi (Google I/O'19)

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.

konsep matematika
Kursus Singkat Machine Learning Google Developers

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.

konsep matematika
Coursera: Matematika untuk Spesialisasi Pembelajaran Mesin

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.

konsep matematika
Pembelajaran mendalam, oleh 3blue1brown

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.

konsep matematika
Esensi Aljabar Linier, oleh 3blue1brown

Serangkaian video visual pendek dari 3blue1brown yang menjelaskan pemahaman geometris dari matriks, determinan, eigen-stuff, dan banyak lagi.

konsep matematika
Intisari Kalkulus, oleh 3blue1brown

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.

konsep matematika
Kursus MIT18.06 : Aljabar Linier

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.

konsep matematika
Kursus MIT 18.01: Kalkulus Variabel Tunggal

Kursus pengantar kalkulus dari MIT ini mencakup diferensiasi dan integrasi fungsi satu variabel, dengan aplikasi.

konsep matematika
Melihat Teori

Pengantar visual untuk probabilitas dan statistik.

konsep matematika
Pengantar Pembelajaran Statistik, dengan Aplikasi dalam R oleh James, G., Witten, D., Hastie, T., dan Tibshirani, R.

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.

AI yang berpusat pada manusia
AI yang bertanggung jawab

Pelajari cara mengintegrasikan praktik AI yang Bertanggung Jawab ke dalam alur kerja ML Anda menggunakan TensorFlow.

AI yang berpusat pada manusia
Buku panduan Orang + AI

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.

AI yang berpusat pada manusia
Pengantar Keadilan dalam modul Pembelajaran Mesin

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.