学習カリキュラムをマスターする
To become an expert in machine learning, you first need a strong foundation in four learning areas: coding, math, ML theory, and how to build your own ML project from start to finish.
Begin with TensorFlow's curated curriculums to improve these four skills, or choose your own learning path by exploring our resource library below.
機械学習に関する 4 つの学習分野
学習プログラムを開始する際に重要なのは、ML の学習方法を理解することです。TensorFlow では、学習プロセスを 4 つの習得分野に分割し、各分野が ML 全体を構成するピースとなるように構成しています。学習を進めるうえで、スキルの向上やプロジェクトで ML を使用するための準備に役立つ書籍、動画、オンライン コースを集めました。知識を深めるよう設計されたガイド付きカリキュラムで学習を始めるか、リソース ライブラリから自分にあった学習プログラムをお選びください。
TensorFlow のカリキュラム
おすすめのコース、書籍、動画を含むガイド付きカリキュラムで学習を開始しましょう。
書籍とオンライン コースを集めたこのコレクションでは、ML の基本を学習できます。まず ML について学習した後、TensorFlow 2.0 を使用したディープ ラーニングを学びます。その後、初心者向けのチュートリアルで学んだことを実践する機会も用意されています。
機械学習の基本を理解したら、ニューラル ネットワークとディープ ラーニングを理論的に理解し、基礎となる数学的な概念の知識を深めることで、新たなレベルのスキルを身に付けましょう。
JavaScript で機械学習モデルを開発するための基礎と、ブラウザで直接デプロイを行う方法を学習できます。また、ディープ ラーニングの概要や、実践的な演習を通じて TensorFlow.js を使い始める方法について説明しています。
この入門書では、最も一般的な ML シナリオ（ウェブ、モバイル、クラウド、埋め込みランタイム向けのシーケンス モデリング、コンピュータ ビジョン、自然言語処理（NLP）など）の実装方法を学習するための、コード ファーストのアプローチが紹介されています。
この本では複数の具体例、最小限の理論、本番環境で使用できる 2 つの Python フレームワーク（Scikit-Learn および TensorFlow）が紹介されており、インテリジェントなシステムを構築するための概念とツールを直感的に理解できます。
このディープ ラーニングの教科書は、機械学習に携わる学生や技術者の方が、機械学習全般、特にディープ ラーニング分野の学習を一から始めるためのリソースです。
この書籍では、ニューラル ネットワークの理論的背景を学ぶことができます。TensorFlow は使用されていないものの、さらに知識を深めたい方向けのリファレンスとして最適です。
幅広い技術者向けの TensorFlow.js の基礎を実践的なエンドツーエンド アプローチで学びます。この本を読了すると、TensorFlow.js を使用して本番環境向けのディープ ラーニング システムを構築し、デプロイする方法を理解できるようになります。
TensorFlow ライブラリの主要な作者によって執筆されたこの書籍では、ブラウザまたはノード上の JavaScript ディープ ラーニング アプリの興味深いユースケースと詳細な手順を解説しています。
オンライン コース
ML の基本的な概念を学ぶために、複数のパートで構成されるオンライン コースを受講することをおすすめします。多くのコースで、非常にわかりやすい視覚的なコンテンツと、仕事や個人的なプロジェクトに機械学習をすぐに導入できるツールが提供されています。
DeepLearning.AI
"AI、機械学習、ディープラーニングのための TensorFlow 入門 (Intro to TensorFlow for AI, ML, and Deep Learning)"このコースは TensorFlow Developer 専門講座の一部として TensorFlow チームと共同で開発されており、TensorFlow を使用するためのベスト プラクティスを学べます。
TensorFlow チームと Udacity の開発によるこのオンライン コースでは、TensorFlow を使ってディープ ラーニング アプリケーションを作成する方法を学ぶことができます。
DeepLearning.AI
TensorFlow Developer 専門講座TensorFlow 開発者が講師を務めるこの 4 つのコースの専門講座では、TensorFlow で AI を活用したスケーラブルなアルゴリズムを作成するためのツールについて詳しく知ることができます。
MIT 提供のこのコースでは、ディープ ラーニングのアルゴリズムに関する基礎知識を習得して、TensorFlow でニューラル ネットワークを構築する実践演習を受けることができます。
DeepLearning.AI
Deep Learning 専門講座5 つのコースでは、ディープ ラーニングの基礎を学び、ニューラル ネットワークを構築する方法を理解できます。また、機械学習プロジェクトを成功に導き、AI の分野でキャリアを築く方法を学ぶことができます。理論の習得だけではなく、理論が実際のビジネスにどのように適用されているのかを知ることができます。
DeepLearning.AI
TensorFlow: Data and Deployment 専門講座モデルを作成し、トレーニングする方法を学習しました。次に、以下の 4 つの専門講座でさまざまなデプロイ シナリオについて確認し、より効果的にデータを利用してモデルをトレーニングする方法について学習します。
DeepLearning.AI
TensorFlow: Advanced Techniques 専門講座この専門講座は、TensorFlow の基礎を理解しており、強力なモデルを構築する TensorFlow の高度な機能を学んで知識とスキルセットを拡張したいと考えているソフトウェアおよび ML エンジニアを対象としています。
ウェブベースの機械学習を使用して、最先端の研究への関心を集める方法や、将来仕事をすることになるクライアントや会社のために役立つ能力をウェブアプリで実現する方法を学びましょう。
機械学習用の線形代数の鳥瞰図。線形代数を学んだ経験はないものの、基本については少し知っており、ML でどのように使用されているかに関心がある方には、この動画がおすすめです。
Imperial College London
Mathematics for Machine Learning 専門講座Coursera が提供するこのオンライン専門講座の目的は、数学と機械学習の間のギャップを埋めることです。機械学習の基礎となる数学の知識をスピーディーに身に付けることで直感的な理解力を養い、機械学習とデータ サイエンスに関連付けることができます。
3blue1brown では、主に数学を視覚的に解説することに取り組んでいます。この動画シリーズでは、ニューラル ネットワークの基本と、ニューラル ネットワークの仕組みを数学の概念を通じて学ぶことができます。
マトリックス、行列式、固有値などを、幾何学の観点から視覚的に学べる 3blue1brown の短い動画シリーズ。
3blue1brown の短い動画シリーズでは、微積分の基礎を視覚的に説明しています。方程式の仕組みだけでなく、基本となる定理をしっかりと理解できます。
MIT が提供するこの入門コースでは、行列理論と線形代数を学ぶことができます。連立方程式、ベクトル空間、行列式、固有値、相似、正定値行列など、他の分野でも役に立つトピックが重点的に取り上げられています。
TensorFlow のリソース
We've gathered our favorite resources to help you get started with TensorFlow libraries and frameworks specific to your needs. Jump to our sections for TensorFlow.js, TensorFlow Lite, and TFX.
You can also browse the official TensorFlow guide and tutorials for the latest examples and colabs.
この入門シリーズは、コーディング方法は知っているが機械学習には習熟していない方を対象としています。ML モデルを構築する基本的なサンプルである「Hello World」を参照し、畳み込みニューラル ネットワークによって画像分類器を構築する方法を学びます。
この ML Tech Talk は、機械学習の基本知識があり、TensorFlow の基礎（高レベル API を使用しないテンソル、変数、勾配）の概要を把握する必要がある方を対象としています。
この ML Tech Talk では、特徴表現学習、ニューラル ネットワークおよびそれらのアプリケーションのファミリー、ディープ ニューラル ネットワークの内部の概要、TensorFlow の多くのコードサンプルと概念を取り上げています。
このシリーズでは、TensorFlow の高レベル API、自然言語処理、Neural Structured Learning などの使用に関する動画を通じて、TensorFlow チームがコーディングの観点から TensorFlow のさまざまな要素を解説します。
マルチメディアの分析、スマート検索の構築、データの変換、およびユーザー フレンドリーなツールを使用してそれらをアプリに速やかに組み込む方法など、ML の最も一般的なユースケースの見つけ方を学びます。
Get a practical working knowledge of using ML in the browser with JavaScript. Learn how to write custom models from a blank canvas, retrain models via transfer learning, and convert models from Python.
幅広い技術者向けの TensorFlow.js の基礎を実践的なエンドツーエンド アプローチで学びます。この本を読了すると、TensorFlow.js を使用して本番環境向けのディープ ラーニング システムを構築し、デプロイする方法を理解できるようになります。
3 部構成のシリーズでは、TensorFlow.js を使った機械学習モデルのトレーニングと実行について解説し、JavaScript を使用してブラウザ上で直接実行する機械学習モデルを作成する方法も紹介します。
TensorFlow.js を使用するウェブ ML で、ゼロからヒーローになりましょう。クライアントサイドで実行でき、ほぼすべてのデバイスで使用できる、次世代のウェブアプリを作成する方法を学びます。
この動画再生リストは、機械学習とニューラル ネットワークの構築に関するシリーズの一部で、TensorFlow.js、Core API、ML モデルのトレーニングとデプロイに JavaScript ライブラリを使用する方法を主に解説しています。
Google Developers
オンデバイスの機械学習音声分類やビジュアル商品検索などを含む一般的なユースケースの手順ガイドを提供する学習パスウェイを通じて、初めてのオンデバイス ML アプリを構築する方法を学びます。
このコースでは、TensorFlow Lite を使用してモバイル デバイスと組み込みデバイスにディープ ラーニング モデルをデプロイする方法を学びます。TensorFlow Lite は、ソフトウェア デベロッパー向けのモデルのデプロイへの実用的なアプローチとして、TensorFlow チームと Udacity によって開発されました。
TFX を使用して本番パイプライン システムを構築する方法を実践的に学びます。データの取得から、モデルの構築、デプロイと管理に至るまで、すべてが簡潔に説明されています。
この書籍では、TensorFlow エコシステムを使用して ML パイプラインを自動化する手順について説明しています。この書籍の機械学習の例は TensorFlow と Keras に基づいていますが、主要コンセプトは任意のフレームワークに適用できます。
DeepLearning.AI
Machine Learning Engineering for Production（MLOps）専門講座4 つのコースからなるこの専門講座を通じて、プロダクション エンジニアとしての能力を高めましょう。本番環境で継続的に稼働する統合システムを概念化、構築、および保守する方法を学ぶことができます。
この上級コースでは、TFX コンポーネント、パイプラインのオーケストレーションと自動化、および Google Cloud で ML メタデータを管理する方法を取り上げています。
人間中心の AI
ML モデルを設計したり AI アプリケーションを構築する際は、プロダクトに触れるユーザーについて考慮し、公平性、解釈可能性、プライバシー、セキュリティを AI システムに組み込む最善の方法を検討することが重要です。
Google のこのガイドブックを活用することで、人間中心の AI プロダクトを作成できるようになります。一般的なミスを回避し、優れたエクスペリエンスを設計して、人間を中心に考えて AI アプリケーションを構築できるようになります。
Google の MLCC で利用できるこの 1 時間のモジュールでは、トレーニング データに見られる人間のさまざまなバイアスと、それによる影響を発見、評価するための戦略をご紹介します。