Google is committed to advancing racial equity for Black communities. See how.
Halaman ini diterjemahkan oleh Cloud Translation API.
Switch to English

Kuasai jalan Anda

Untuk menjadi ahli dalam pembelajaran mesin, pertama-tama Anda memerlukan dasar yang kuat dalam empat area pembelajaran : pengkodean, matematika, teori ML, dan cara membangun proyek ML Anda sendiri dari awal hingga akhir.

Mulailah dengan kurikulum yang dikurasi TensorFlow untuk meningkatkan empat keterampilan ini, atau pilih jalur pembelajaran Anda sendiri dengan menjelajahi pustaka sumber daya kami di bawah ini.

Empat bidang pendidikan pembelajaran mesin

Saat memulai jalur pendidikan Anda, penting untuk terlebih dahulu memahami cara mempelajari ML. Kami telah membagi proses pembelajaran menjadi empat area pengetahuan, dengan setiap area menyediakan bagian dasar dari teka-teki ML. Untuk membantu Anda di jalur Anda, kami telah mengidentifikasi buku, video, dan kursus online yang akan meningkatkan kemampuan Anda, dan mempersiapkan Anda 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.

  • Keterampilan membuat kode: Membangun model ML melibatkan lebih dari sekadar mengetahui konsep ML — ini membutuhkan pengkodean untuk melakukan pengelolaan data, penyesuaian parameter, dan hasil penguraian yang diperlukan untuk menguji dan mengoptimalkan model Anda.

  • Matematika dan statistik: ML adalah disiplin matematika yang berat, jadi jika Anda berencana untuk memodifikasi model ML atau membuat model baru dari awal, pengetahuan tentang konsep matematika yang mendasarinya sangat penting untuk prosesnya.

  • Teori ML: Mengetahui dasar-dasar teori ML akan memberi Anda dasar untuk dikembangkan, dan membantu Anda memecahkan masalah saat terjadi kesalahan.

  • Bangun proyek Anda sendiri: Mendapatkan pengalaman langsung dengan ML adalah cara terbaik untuk menguji pengetahuan Anda, jadi jangan takut untuk menyelami lebih awal dengan colab atau tutorial sederhana untuk berlatih.

Kurikulum TensorFlow

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

Untuk pemula
Dasar-dasar machine learning 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 lanjutan 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 di JavaScript, dan cara menerapkan langsung di browser. Anda akan mendapatkan pengantar tingkat tinggi tentang deep learning dan 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 baru dengan lebih cepat di masa mendatang.

Buku
Pembelajaran Mendalam dengan Python, oleh Francois Chollet

Buku ini adalah pengantar praktis dan langsung ke Deep Learning dengan Keras.

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

Menggunakan contoh konkret, teori minimal, dan dua framework Python siap produksi — Scikit-Learn dan TensorFlow — buku ini membantu Anda mendapatkan pemahaman intuitif tentang konsep dan fitur untuk membangun sistem cerdas.

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

Buku teks Pembelajaran Mendalam ini adalah sumber daya yang dimaksudkan untuk membantu siswa dan praktisi memasuki bidang pembelajaran mesin secara umum, dan pembelajaran mendalam pada khususnya.

Buku
Neural Networks and Deep Learning, oleh Michael Nielsen

Buku ini memberikan latar belakang teoritis tentang jaringan saraf. Ini tidak menggunakan TensorFlow, tetapi merupakan referensi yang bagus bagi 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 menyajikan kasus penggunaan yang menarik dan instruksi mendalam untuk aplikasi pembelajaran mendalam di JavaScript di browser Anda atau di Node.

Kursus online multi-bagian

Mengikuti 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 Penerapan

Anda telah mempelajari 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 Deep Learning

Dikembangkan bekerja sama dengan tim TensorFlow, kursus ini adalah bagian dari TensorFlow in Practice Specialization dan akan mengajarkan Anda praktik terbaik untuk menggunakan TensorFlow.

Kursus online pengantar
Udacity: Pengantar TensorFlow untuk Deep Learning

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

Kursus online pengantar
deeplearning.ai: TensorFlow dalam Spesialisasi Praktik

Dalam Spesialisasi empat kursus yang diajarkan oleh developer TensorFlow ini, Anda akan mempelajari alat dan software yang digunakan developer untuk membuat algoritme yang didukung AI yang skalabel di TensorFlow.

Kursus online pengantar
deeplearning.ai: Spesialisasi Pembelajaran Mendalam

Dalam lima kursus, Anda akan mempelajari dasar-dasar Deep Learning, memahami cara membangun jaringan neural, dan mempelajari cara memimpin proyek pembelajaran mesin yang sukses dan membangun karier di AI. Anda akan menguasai tidak hanya teori, tetapi juga melihat bagaimana itu diterapkan dalam industri.

Kursus online pengantar
Kursus Stanford CS231n: Convolutional Neural Networks for Visual Recognition

Kursus ini mendalami detail arsitektur deep learning dengan fokus pada model pembelajaran end-to-end untuk tugas-tugas computer vision, khususnya klasifikasi gambar. Jelajahi video kuliah, slide, dan catatan silabus sebelumnya dari iterasi kursus sebelumnya.

Kursus online pengantar
Kursus MIT 6.S191: Pengantar Deep Learning

Dalam kursus dari MIT ini, Anda akan mendapatkan pengetahuan dasar tentang algoritme deep learning dan pengalaman praktis dalam membuat jaringan neural di TensorFlow.

Sumber daya lainnya

Untuk developer seluler dan web serta pengguna yang ingin membuat pipeline produksi, kami telah mengumpulkan resource favorit kami untuk membantu Anda memulai, termasuk library TensorFlow dan framework khusus untuk kebutuhan Anda.

Kursus online pengantar
Pembelajaran Mendalam di JS oleh Ashi Krishnan

Dengan menggunakan deeplearn.js, cari tahu seberapa dalam sistem pembelajaran belajar dan periksa cara berpikirnya.

Kursus online pengantar
Memulai TensorFlow.js oleh TensorFlow

Seri 3 bagian yang membahas pelatihan dan eksekusi model machine learning dengan TensorFlow.js, dan menunjukkan kepada Anda cara membuat model machine learning di JavaScript yang dijalankan langsung di browser.

Kursus online pengantar
TensorFlow.js: Intelligence and Learning Series oleh Coding Train

Sebagai bagian dari seri yang lebih besar tentang machine learning dan pembuatan jaringan neural, playlist video ini berfokus pada TensorFlow.js, API inti, dan cara menggunakan library JavaScript untuk melatih dan menerapkan model ML.

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

Seri ini memperkenalkan konsep jaringan saraf tiruan sisi klien. Pelajari tentang arsitektur pembelajaran dalam server klien, 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: Machine Learning Dunia Nyata dalam Produksi

Seri lima bagian 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 untuk meningkatkan aplikasi seluler dan perangkat edge. Pelajari bagaimana TensorFlow Lite dapat digunakan untuk melatih model dan cara menggunakannya di berbagai perangkat.

Konsep matematika

Untuk mendalami pengetahuan ML Anda, sumber daya ini dapat membantu Anda memahami konsep matematika dasar yang diperlukan untuk peningkatan level yang lebih tinggi.

Konsep matematika
Kursus Singkat Machine Learning Google Developers

Kursus Singkat Machine Learning dengan TensorFlow API adalah panduan belajar mandiri bagi 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, mempercepat Anda dalam matematika yang mendasarinya untuk membangun pemahaman yang intuitif, dan mengaitkannya dengan Pembelajaran Mesin dan Ilmu Data.

Konsep matematika
Pembelajaran mendalam, oleh 3blue1brown

3blue1brown berpusat pada presentasi matematika dengan pendekatan visual-first. Dalam serial video ini, Anda akan mempelajari dasar-dasar jaringan saraf dan cara kerjanya melalui konsep matematika.

Konsep matematika
Esensi Aljabar Linear, oleh 3blue1brown

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

Konsep matematika
Essence of Calculus, oleh 3blue1brown

Serangkaian video visual pendek dari 3blue1brown yang menjelaskan dasar-dasar kalkulus dengan cara yang memberi Anda pemahaman yang kuat tentang teorema fundamental, dan bukan hanya cara kerja persamaan.

Konsep matematika
Kursus MIT18.06: Aljabar Linear

Kursus pengantar dari MIT ini mencakup teori matriks dan aljabar linier. Penekanan diberikan pada topik yang akan berguna dalam disiplin 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

Pengenalan 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 dari bidang pembelajaran statistik, seperangkat alat 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 membangun aplikasi yang digerakkan oleh AI, penting untuk mempertimbangkan orang yang berinteraksi dengan produk, dan cara terbaik untuk membangun keadilan, interpretabilitas, 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 People + AI

Buku panduan dari Google ini akan membantu Anda membangun produk AI yang berpusat pada manusia. Ini akan memungkinkan Anda untuk menghindari kesalahan umum, merancang pengalaman luar biasa, dan fokus pada orang-orang saat Anda membangun aplikasi yang digerakkan oleh AI.

AI yang berpusat pada manusia
Pengantar Keadilan dalam modul Machine Learning

Modul satu jam dalam MLCC Google ini memperkenalkan pelajar pada berbagai jenis bias manusia yang dapat terwujud dalam data pelatihan, serta strategi untuk mengidentifikasi, dan mengevaluasi efeknya.