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

Padroneggia il tuo percorso

Per diventare un esperto di apprendimento automatico, è necessario prima di una solida base in quattro aree di apprendimento : la codifica, la matematica, la teoria ML, e come costruire il proprio progetto di ML, dall'inizio alla fine.

Inizia con tensorflow di programmi di studio curate per migliorare questi quattro abilità, o scegliere il proprio percorso di apprendimento, esplorando la nostra libreria di risorse di seguito.

Le quattro aree dell'educazione all'apprendimento automatico

Quando inizi il tuo percorso formativo, è importante prima capire come imparare il machine learning. Abbiamo suddiviso il processo di apprendimento in quattro aree di conoscenza, ognuna 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 curricula guidati progettati per aumentare le tue conoscenze o scegli il tuo percorso esplorando la nostra libreria di risorse.

  • Coding competenze: modelli di costruzione ML implica molto di più di un semplice sapere ML concetti-it richiede una codifica al fine di fare la gestione dei dati, messa a punto dei parametri, l'analisi e risultati necessari per testare e ottimizzare il vostro modello.

  • La matematica e le statistiche: ML è una disciplina matematica pesante, quindi se avete intenzione di modificare i modelli ML o costruire nuovi da zero, la familiarità con i concetti matematici di base è fondamentale per il processo.

  • Teoria ML: Conoscere le basi della teoria ML vi darà una fondazione per costruire su, e vi aiutano a risolvere i problemi quando qualcosa va storto.

  • Costruisci i tuoi progetti: Ottenere le mani su esperienza con ML è il modo migliore per mettere la vostra conoscenza alla prova, quindi non abbiate paura di immersione nei primi mesi con un semplice CoLab o un tutorial per ottenere una certa pratica.

Curriculum TensorFlow

Inizia a imparare con uno dei nostri programmi guidati contenente 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 quindi 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 abilità 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 di TensorFlow per lo sviluppo JavaScript

Scopri le basi dello sviluppo di modelli di machine learning in JavaScript e come distribuirli direttamente nel browser. Riceverai un'introduzione di alto livello sul deep learning e su come iniziare con 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 machine learning.

libri  
Corsi online  
Concetti matematici  
Risorse TF  
IA centrata sull'uomo  

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.

AI e machine learning per i programmatori
di Laurence Moroney

Questo libro introduttivo fornisce un approccio code-first per apprendere come implementare gli scenari ML più comuni, come visione artificiale, elaborazione del linguaggio naturale (NLP) e modellazione di sequenze per web, dispositivi mobili, cloud e runtime incorporati.

Apprendimento profondo con Python
di Francois Chollet

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

Machine learning pratico con Scikit-Learn, Keras e TensorFlow
di Aurélien Geron

Utilizzando esempi concreti, teoria minima e due framework Python pronti per la produzione, Scikit-Learn e TensorFlow, questo libro aiuta a comprendere in modo intuitivo i concetti e gli strumenti per la creazione di sistemi intelligenti.

Apprendimento profondo
di Ian Goodfellow, Yoshua Bengio e Aaron Courville

Questo libro di testo sull'apprendimento profondo è una risorsa destinata ad aiutare studenti e professionisti a entrare nel campo dell'apprendimento automatico in generale e dell'apprendimento profondo in particolare.

Reti neurali e deep learning
di Michael Nielsen

Questo libro fornisce un background teorico sulle reti neurali. Non usa TensorFlow, ma è un ottimo riferimento per gli studenti interessati a saperne di più.

Apprendimento di TensorFlow.js
di Gant Laborde

Un approccio end-to-end pratico ai fondamenti di TensorFlow.js per un vasto pubblico tecnico. Una volta terminato questo libro, saprai come creare e distribuire sistemi di deep learning pronti per la produzione con TensorFlow.js.

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 browser o su Node.

Corsi online

Seguire un corso online in più parti è un buon modo per apprendere i concetti di base del machine learning. Molti corsi forniscono ottime spiegazioni visive e gli strumenti necessari per iniziare ad applicare l'apprendimento automatico direttamente al lavoro o con i tuoi progetti personali.

Introduzione a TensorFlow per AI, ML e Deep Learning

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

Introduzione a TensorFlow per il deep learning

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

Specializzazione per sviluppatori TensorFlow

In questa specializzazione di quattro corsi tenuta da uno sviluppatore TensorFlow, esplorerai gli strumenti e gli sviluppatori software che utilizzano per creare algoritmi scalabili basati sull'intelligenza artificiale in TensorFlow.

Corso accelerato di apprendimento automatico

Il corso intensivo sull'apprendimento automatico con le API TensorFlow è una guida di autoapprendimento per aspiranti professionisti dell'apprendimento automatico. È dotato di una serie di lezioni con lezioni video, casi di studio reali ed esercizi pratici.

MIT 6.S191: Introduzione all'apprendimento profondo

In questo corso del MIT acquisirai le conoscenze fondamentali degli algoritmi di deep learning e acquisirai esperienza pratica nella costruzione di reti neurali in TensorFlow.

Specializzazione Deep Learning

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

TensorFlow: specializzazione in dati e distribuzione

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

TensorFlow: specializzazione in tecniche avanzate

Questa specializzazione è per ingegneri software e ML con una conoscenza fondamentale di TensorFlow che desiderano espandere le proprie conoscenze e competenze imparando le funzionalità avanzate di TensorFlow per creare modelli potenti.

Concetti matematici

Per approfondire le tue conoscenze di machine learning, queste risorse possono aiutarti a comprendere i concetti matematici sottostanti necessari per l'avanzamento di livello superiore.

Un'introduzione amichevole all'algebra lineare per ML

Una panoramica dell'algebra lineare per l'apprendimento automatico. Non hai mai studiato l'algebra lineare o conosci un po' le basi e vuoi avere un'idea di come viene utilizzata in ML? Allora questo video fa per te.

Matematica per la specializzazione in Machine Learning

Questa specializzazione online di Coursera mira a colmare il divario tra matematica e apprendimento automatico, aggiornandoti sulla matematica sottostante per costruire una comprensione intuitiva e mettendola in relazione con l'apprendimento automatico e la scienza dei dati.

Apprendimento profondo
di 3Blue1Brown

3blue1brown è incentrato sulla presentazione della matematica con un approccio visual-first. In questa serie di video imparerai le basi di una rete neurale e come funziona attraverso concetti matematici.

Essenza di Algebra Lineare
di 3Blue1Brown

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

Essenza di Calcolo
di 3Blue1Brown

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

MIT 18.06: Algebra lineare

Questo corso introduttivo del MIT copre la teoria delle matrici e l'algebra lineare. L'accento è posto su argomenti che saranno utili in altre discipline, inclusi sistemi di equazioni, spazi vettoriali, determinanti, autovalori, similarità e matrici definite positive.

MIT 18.01: Calcolo a variabile singola

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

vedere la teoria
di Daniel Kunin, Jingru Guo, Tyler Dae Devlin, Daniel Xiang

Un'introduzione visiva alla probabilità e alla statistica.

Un'introduzione all'apprendimento statistico
di Gareth James, Daniela Witten, Trevor Hastie e Rob Tibshirani

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.

Risorse TensorFlow

Abbiamo raccolto le nostre risorse preferite per aiutarti a iniziare con le librerie e i framework TensorFlow specifici per le tue esigenze. Vai a nostre sezioni per TensorFlow.js , tensorflow Lite , e tensorflow estesa .


È anche possibile sfogliare l'tensorflow ufficiale guida e tutorial per i più recenti esempi e colabs.

Fondamenti di apprendimento automatico

Machine Learning Foundations è un corso di formazione gratuito in cui imparerai i fondamenti della creazione di modelli di apprendimento automatico utilizzando TensorFlow.

TensorFlow da zero

Questo ML Tech Talk è progettato per coloro che conoscono le basi del Machine Learning ma hanno bisogno di una panoramica sui fondamenti di TensorFlow (tensori, variabili e gradienti senza utilizzare API di alto livello).

Introduzione all'apprendimento profondo

Questo ML Tech Talk include l'apprendimento della rappresentazione, le famiglie di reti neurali e le loro applicazioni, un primo sguardo all'interno di una rete neurale profonda e molti esempi di codice e concetti di TensorFlow.

Coding TensorFlow

In questa serie, il team di TensorFlow esamina varie parti di TensorFlow da una prospettiva di codifica, con video per l'utilizzo delle API di alto livello di TensorFlow, elaborazione del linguaggio naturale, apprendimento strutturato neurale e altro ancora.

Individuazione e risoluzione dei problemi quotidiani con l'apprendimento automatico

Impara a individuare i casi d'uso più comuni di machine learning, tra cui l'analisi dei contenuti multimediali, la creazione di ricerche intelligenti, la trasformazione dei dati e come inserirli rapidamente nella tua app con strumenti intuitivi.

Per Javascript

Esplora le ultime risorse a TensorFlow.js .

Apprendimento di TensorFlow.js
di Gant Laborde

Un approccio end-to-end pratico ai fondamenti di TensorFlow.js per un vasto pubblico tecnico. Una volta terminato questo libro, saprai come creare e distribuire sistemi di deep learning pronti per la produzione con TensorFlow.js.

Iniziare con TensorFlow.js di TensorFlow

Una serie in 3 parti che esplora sia la formazione 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.

TensorFlow.js: serie di intelligenza e apprendimento
di The Coding Train

Parte di una serie più ampia sull'apprendimento automatico e sulla 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.

Per dispositivi mobili e IoT

Esplora le ultime risorse a tensorflow Lite .

Apprendimento automatico su dispositivo

Scopri come creare la tua prima app di machine learning su dispositivo attraverso percorsi di apprendimento che forniscono guide dettagliate per casi d'uso comuni, tra cui la classificazione audio, la ricerca visiva di prodotti e altro ancora.

Introduzione a TensorFlow Lite

Scopri come distribuire modelli di deep learning su dispositivi mobili e incorporati con TensorFlow Lite in questo corso, sviluppato dal team TensorFlow e Udacity come approccio pratico alla distribuzione dei modelli per gli sviluppatori di software.

Per la produzione

Esplora le ultime risorse a TFX .

Ingegneria ML per implementazioni ML di produzione con TFX

Dai uno sguardo pratico a come mettere insieme un sistema di pipeline di produzione con TFX. Copriremo rapidamente tutto, dall'acquisizione dei dati, alla creazione di modelli, fino all'implementazione e alla gestione.

Costruire pipeline di machine learning
di Hannes Hapke, Catherine Nelson

Questo libro ti guida attraverso i passaggi dell'automazione di una pipeline ML utilizzando l'ecosistema TensorFlow. Gli esempi di machine learning in questo libro si basano su TensorFlow e Keras, ma i concetti fondamentali possono essere applicati a qualsiasi framework.

Specializzazione Machine Learning Engineering for Production (MLOps)

Espandi le tue capacità di ingegneria della produzione in questa specializzazione in quattro corsi. Scopri come concettualizzare, costruire e mantenere sistemi integrati che operano continuamente in produzione.

Pipeline ML su Google Cloud

Questo corso avanzato copre i componenti TFX, l'orchestrazione e l'automazione della pipeline e come gestire i metadati ML con Google Cloud.

IA centrata sull'uomo

Quando si progetta un modello ML 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.

Pratiche di intelligenza artificiale responsabili

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

Guida Persone + AI

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

Introduzione al modulo Fairness in 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.