Google is committed to advancing racial equity for Black communities. See how.
Questa pagina è stata tradotta dall'API Cloud Translation.
Switch to English

Padroneggia il tuo percorso

Per diventare un esperto di machine learning, devi prima avere una solida base in quattro aree di apprendimento : codifica, matematica, teoria ML e come costruire il tuo progetto ML dall'inizio alla fine.

Inizia con i curricula curati di TensorFlow per migliorare queste quattro abilità, oppure scegli il tuo percorso di apprendimento esplorando la nostra libreria di risorse di seguito.

Le quattro aree dell'educazione all'apprendimento automatico

Quando inizi il tuo percorso educativo, è importante prima capire come imparare il machine learning. Abbiamo suddiviso il processo di apprendimento in quattro aree di conoscenza, ciascuna delle quali fornisce un pezzo fondamentale del puzzle ML. Per aiutarti nel tuo percorso, abbiamo identificato libri, video e corsi online che miglioreranno le tue capacità e ti prepareranno a utilizzare il machine learning per i tuoi progetti. Inizia con i nostri programmi guidati progettati per aumentare le tue conoscenze o scegli il tuo percorso esplorando la nostra libreria di risorse.

  • Capacità di codifica: la creazione di modelli ML implica molto di più della semplice conoscenza dei concetti ML: richiede la codifica per eseguire la gestione dei dati, l'ottimizzazione dei parametri e l'analisi dei risultati necessari per testare e ottimizzare il modello.

  • Matematica e statistiche: ML è una disciplina matematica pesante, quindi se hai intenzione di modificare modelli ML o crearne di nuovi da zero, la familiarità con i concetti matematici sottostanti è fondamentale per il processo.

  • Teoria ML: conoscere le basi della teoria ML ti darà una base su cui costruire e ti aiuterà a risolvere i problemi quando qualcosa va storto.

  • Costruisci i tuoi progetti: fare esperienza pratica con il machine learning è il modo migliore per mettere alla prova le tue conoscenze, quindi non aver paura di immergerti presto con un semplice colab o tutorial per fare pratica.

Programmi TensorFlow

Inizia a imparare con uno dei nostri programmi guidati contenenti corsi, libri e video consigliati.

Per principianti
Nozioni di base sull'apprendimento automatico con TensorFlow

Impara le basi del machine learning con questa raccolta di libri e corsi online. Verrai introdotto al machine learning con scikit-learn, guidato attraverso il deep learning utilizzando TensorFlow 2.0, e poi avrai l'opportunità di mettere in pratica ciò che impari con i tutorial per principianti.

Per livello intermedio ed esperti
Machine learning teorico e avanzato con TensorFlow

Una volta comprese le basi dell'apprendimento automatico, porta le tue capacità al livello successivo immergendoti nella comprensione teorica delle reti neurali, nell'apprendimento profondo e migliorando la tua conoscenza dei concetti matematici sottostanti.

Per principianti
Specializzazione: nozioni di base su TensorFlow per lo sviluppo di JavaScript

Impara le basi dello sviluppo di modelli di machine learning in JavaScript e come distribuirli direttamente nel browser. Riceverai un'introduzione di alto livello sull'apprendimento profondo e su come iniziare a utilizzare TensorFlow.js attraverso esercizi pratici.

Risorse educative

Scegli il tuo percorso di apprendimento ed esplora libri, corsi, video ed esercizi consigliati dal team di TensorFlow per insegnarti le basi del ML.

Libri

La lettura è uno dei modi migliori per comprendere le basi del machine learning e del deep learning. I libri possono darti la comprensione teorica necessaria per aiutarti ad apprendere nuovi concetti più rapidamente in futuro.

Libri
Apprendimento profondo con Python, di Francois Chollet

Questo libro è un'introduzione pratica e pratica al Deep Learning con Keras.

Libri
Machine learning pratico con Scikit-Learn, Keras e TensorFlow, 2a edizione, di Aurélien Géron

Utilizzando esempi concreti, teoria minima e due framework Python pronti per la produzione, Scikit-Learn e TensorFlow, questo libro aiuta ad acquisire una comprensione intuitiva dei concetti e degli strumenti per la creazione di sistemi intelligenti.

Libri
Deep Learning: An MIT Press Book, di Ian Goodfellow, Yoshua Bengio e Aaron Courville

Questo libro di testo di Deep Learning è una risorsa destinata ad aiutare studenti e professionisti a entrare nel campo del machine learning in generale e del deep learning in particolare.

Libri
Reti neurali e apprendimento profondo, di Michael Nielsen

Questo libro fornisce una base teorica sulle reti neurali. Non utilizza TensorFlow, ma è un ottimo riferimento per gli studenti interessati a saperne di più.

Libri
Apprendimento profondo con JavaScript di Shanqing Cai, Stanley Bileschi, Eric D. Nielsen con Francois Chollet

Scritto dai principali autori della libreria TensorFlow, questo libro fornisce affascinanti casi d'uso e istruzioni approfondite per app di deep learning in JavaScript nel tuo browser o su Node.

Corsi online in più parti

Partecipare a un corso online in più parti è un buon modo per apprendere i concetti di base del ML. Molti corsi forniscono ottimi spiegatori visivi e gli strumenti necessari per iniziare ad applicare l'apprendimento automatico direttamente al lavoro o con i tuoi progetti personali.

Corsi online introduttivi
deeplearning.ai: TensorFlow: specializzazione in dati e distribuzione

Hai imparato a costruire e addestrare modelli. Ora impara a navigare in vari scenari di distribuzione e utilizza i dati in modo più efficace per addestrare il tuo modello in questa specializzazione di quattro corsi.

Corsi online introduttivi
deeplearning.ai: Introduzione a TensorFlow per AI, ML e Deep Learning

Sviluppato in collaborazione con il team di TensorFlow, questo corso fa parte della specializzazione TensorFlow in Practice e ti insegnerà le migliori pratiche per l'utilizzo di TensorFlow.

Corsi online introduttivi
Udacity: Introduzione a TensorFlow per il deep learning

In questo corso online sviluppato dal team di TensorFlow e Udacity, imparerai come creare applicazioni di deep learning con TensorFlow.

Corsi online introduttivi
deeplearning.ai: TensorFlow nella specializzazione pratica

In questa specializzazione di quattro corsi insegnata da uno sviluppatore TensorFlow, esplorerai gli strumenti e gli sviluppatori di software utilizzati per creare algoritmi scalabili basati su AI in TensorFlow.

Corsi online introduttivi
deeplearning.ai: specializzazione in Deep Learning

In cinque corsi imparerai le basi del Deep Learning, capirai come costruire reti neurali e imparerai come guidare progetti di machine learning di successo e costruire una carriera nell'IA. Imparerai non solo la teoria, ma vedrai anche come viene applicata nell'industria.

Corsi online introduttivi
Corso Stanford CS231n: Convolutional Neural Networks for Visual Recognition

Questo corso è un'immersione profonda nei dettagli delle architetture di apprendimento profondo con un focus sull'apprendimento di modelli end-to-end per attività di visione artificiale, in particolare la classificazione delle immagini. Esplora i video delle lezioni, le diapositive e le note del programma di studi precedenti delle precedenti iterazioni del corso.

Corsi online introduttivi
Corso MIT 6.S191: Introduzione al Deep Learning

In questo corso del MIT acquisirai una conoscenza fondamentale degli algoritmi di deep learning e acquisirai esperienza pratica nella creazione di reti neurali in TensorFlow.

Altre risorse

Per gli sviluppatori mobili e web e gli utenti che desiderano creare pipeline di produzione, abbiamo raccolto le nostre risorse preferite per aiutarti a iniziare, comprese le nostre librerie e framework TensorFlow specifici per le tue esigenze.

Corsi online introduttivi
Apprendimento profondo in JS di Ashi Krishnan

Utilizzando deeplearn.js, scopri come apprendono i sistemi di apprendimento profondo ed esamina come pensano.

Corsi online introduttivi
Introduzione a TensorFlow.js di TensorFlow

Una serie in 3 parti che esplora sia l'addestramento che l'esecuzione di modelli di apprendimento automatico con TensorFlow.js e mostra come creare un modello di apprendimento automatico in JavaScript che viene eseguito direttamente nel browser.

Corsi online introduttivi
TensorFlow.js: serie di intelligenza e apprendimento di Coding Train

Parte di una serie più ampia sull'apprendimento automatico e la creazione di reti neurali, questa playlist video si concentra su TensorFlow.js, l'API principale e su come utilizzare la libreria JavaScript per addestrare e distribuire modelli ML.

Corsi online introduttivi
TensorFlow.js Deep Learning con JavaScript di Deeplizard

Questa serie introduce il concetto di reti neurali artificiali lato client. Scopri le architetture di deep learning client-server, la conversione di modelli Keras in modelli TFJS, la fornitura di modelli con Node.js, la formazione e il trasferimento dell'apprendimento nel browser e altro ancora.

Corsi online introduttivi
TensorFlow Extended: apprendimento automatico del mondo reale in produzione

Una serie in cinque parti del team TensorFlow sull'utilizzo di TensorFlow Extended (TFX) per creare le tue pipeline ML di produzione.

Corsi online introduttivi
Machine learning sul tuo dispositivo: le opzioni (Google I / O'19)

Questa sessione di Google I / O demistificherà le varie opzioni disponibili per l'utilizzo del machine learning per migliorare le app mobili e i dispositivi edge. Scopri come utilizzare TensorFlow Lite per addestrare i modelli e come utilizzarli su una varietà di dispositivi.

Concetti matematici

Per approfondire le tue conoscenze di ML, queste risorse possono aiutarti a comprendere i concetti matematici sottostanti necessari per un avanzamento di livello superiore.

Concetti matematici
Corso intensivo di apprendimento automatico di Google Developers

Il corso intensivo di machine learning con le API TensorFlow è una guida di autoapprendimento per aspiranti professionisti del machine learning. È dotato di una serie di lezioni con lezioni video, casi di studio del mondo reale ed esercizi pratici pratici.

Concetti matematici
Coursera: Mathematics for Machine Learning Specialization

Questa specializzazione online di Coursera mira a colmare il divario tra matematica e apprendimento automatico, portandoti al passo con la matematica sottostante per costruire una comprensione intuitiva e collegandola all'apprendimento automatico e alla scienza dei dati.

Concetti matematici
Apprendimento profondo, di 3blue1brown

3blue1brown si concentra sulla presentazione della matematica con un approccio visivo. In questa serie di video imparerai le basi di una rete neurale e come funziona attraverso concetti matematici.

Concetti matematici
Essence of Linear Algebra, di 3blue1brown

Una serie di brevi video visivi da 3blue1brown che spiegano la comprensione geometrica di matrici, determinanti, automi e altro.

Concetti matematici
Essence of Calculus, di 3blue1brown

Una serie di brevi video visivi da 3blue1brown che spiegano i fondamenti del calcolo in un modo che ti danno una forte comprensione dei teoremi fondamentali, e non solo come funzionano le equazioni.

Concetti matematici
Corso MIT 18.06: Algebra lineare

Questo corso introduttivo del MIT copre la teoria delle matrici e l'algebra lineare. Viene data enfasi ad argomenti che saranno utili in altre discipline, inclusi sistemi di equazioni, spazi vettoriali, determinanti, autovalori, similarità e matrici definite positive.

Concetti matematici
Corso MIT 18.01: Single Variable Calculus

Questo corso introduttivo di calcolo del MIT copre la differenziazione e l'integrazione delle funzioni di una variabile, con le applicazioni.

Concetti matematici
Teoria della visione

Un'introduzione visiva alla probabilità e alle statistiche.

Concetti matematici
Un'introduzione all'apprendimento statistico, con applicazioni in R di James, G., Witten, D., Hastie, T. e Tibshirani, R.

Questo libro fornisce una panoramica accessibile del campo dell'apprendimento statistico, un set di strumenti essenziale per dare un senso al vasto e complesso mondo dei set di dati necessari per addestrare i modelli nell'apprendimento automatico.

IA centrata sull'uomo

Quando si progetta un modello di machine learning o si creano applicazioni basate sull'intelligenza artificiale, è importante considerare le persone che interagiscono con il prodotto e il modo migliore per creare equità, interpretabilità, privacy e sicurezza in questi sistemi di intelligenza artificiale.

IA centrata sull'uomo
AI responsabile

Scopri come integrare le pratiche di intelligenza artificiale responsabile nel tuo flusso di lavoro ML utilizzando TensorFlow.

IA centrata sull'uomo
Guida People + AI

Questa guida di Google ti aiuterà a creare prodotti di IA incentrati sull'uomo. Ti consentirà di evitare errori comuni, progettare esperienze eccellenti e concentrarti sulle persone mentre crei applicazioni basate sull'intelligenza artificiale.

IA centrata sull'uomo
Modulo Introduzione all'equità nel machine learning

Questo modulo di un'ora all'interno dell'MLCC di Google introduce gli studenti a diversi tipi di pregiudizi umani che possono manifestarsi nei dati di formazione, nonché a strategie per identificare e valutare i loro effetti.