Opanuj swoją ścieżkę
Aby stać się ekspertem w uczeniu maszynowym, trzeba najpierw solidne podstawy w czterech obszarach kształcenia : kodowanie, matematyki, teorii ml oraz w jaki sposób zbudować swój własny projekt ML od początku do końca.
Rozpocznij z TensorFlow jest kuratorem programów nauczania , aby poprawić te cztery umiejętności lub wybrać własną ścieżkę uczenia się przez odkrywanie naszą bibliotekę zasobów poniżej.
Cztery obszary edukacji uczenia maszynowego
Rozpoczynając swoją ścieżkę edukacyjną, ważne jest, aby najpierw zrozumieć, jak uczyć się ML. Podzieliliśmy proces uczenia się na cztery obszary wiedzy, z których każdy stanowi fundamentalny element układanki ML. Aby pomóc Ci na Twojej ścieżce, zidentyfikowaliśmy książki, filmy i kursy online, które podniosą Twoje umiejętności i przygotują Cię do korzystania z ML w Twoich projektach. Zacznij od naszych programów nauczania z przewodnikiem zaprojektowanych w celu poszerzenia Twojej wiedzy lub wybierz własną ścieżkę, przeglądając naszą bibliotekę zasobów.
Programy nauczania TensorFlow
Rozpocznij naukę, korzystając z jednego z naszych programów nauczania z przewodnikiem, zawierającego polecane kursy, książki i filmy.
Poznaj podstawy ML dzięki tej kolekcji książek i kursów online. Zostaniesz wprowadzony do ML za pomocą scikit-learn, poprowadzony przez głębokie uczenie przy użyciu TensorFlow 2.0, a następnie będziesz miał okazję przećwiczyć to, czego się uczysz, korzystając z samouczków dla początkujących.
Gdy zrozumiesz podstawy uczenia maszynowego, przenieś swoje umiejętności na wyższy poziom, zanurzając się w teoretyczne zrozumienie sieci neuronowych, głębokiego uczenia się i pogłębiając swoją wiedzę na temat podstawowych pojęć matematycznych.
Poznaj podstawy tworzenia modeli uczenia maszynowego w JavaScript i dowiedz się, jak wdrażać je bezpośrednio w przeglądarce. Otrzymasz wprowadzenie na wysokim poziomie do głębokiego uczenia się i jak rozpocząć pracę z TensorFlow.js poprzez praktyczne ćwiczenia.
Zasoby edukacyjne
Wybierz własną ścieżkę nauki i zapoznaj się z książkami, kursami, filmami i ćwiczeniami zalecanymi przez zespół TensorFlow, aby nauczyć Cię podstaw ML.
Książki
Czytanie jest jednym z najlepszych sposobów zrozumienia podstaw uczenia maszynowego i głębokiego uczenia się. Książki mogą dać ci teoretyczne zrozumienie niezbędne do szybszego uczenia się nowych pojęć w przyszłości.
Ta wprowadzająca książka przedstawia podejście oparte na kodowaniu, aby dowiedzieć się, jak wdrożyć najczęstsze scenariusze ML, takie jak wizja komputerowa, przetwarzanie języka naturalnego (NLP) i modelowanie sekwencji w środowiskach wykonawczych internetowych, mobilnych, chmurowych i osadzonych.
Ta książka jest praktycznym, praktycznym wprowadzeniem do Deep Learning with Keras.
Korzystając z konkretnych przykładów, minimalnej teorii i dwóch gotowych do produkcji frameworków Pythona — Scikit-Learn i TensorFlow — ta książka pomaga uzyskać intuicyjne zrozumienie koncepcji i narzędzi do budowania inteligentnych systemów.
Ten podręcznik do głębokiego uczenia się jest zasobem, który ma pomóc uczniom i praktykom w wejściu w dziedzinę uczenia maszynowego, a w szczególności uczenia głębokiego.
Ta książka przedstawia teoretyczne podstawy sieci neuronowych. Nie używa TensorFlow, ale jest świetnym punktem odniesienia dla studentów zainteresowanych nauką więcej.
Praktyczne, kompleksowe podejście do podstaw TensorFlow.js dla szerokiej publiczności technicznej. Po ukończeniu tej książki będziesz wiedział, jak budować i wdrażać gotowe do produkcji systemy uczenia głębokiego za pomocą TensorFlow.js.
Ta książka, napisana przez głównych autorów biblioteki TensorFlow, zawiera fascynujące przypadki użycia i szczegółowe instrukcje dotyczące aplikacji do głębokiego uczenia się w JavaScript w przeglądarce lub w Node.
Kursy online
Udział w wieloczęściowym kursie online to dobry sposób na poznanie podstawowych pojęć ML. Wiele kursów zapewnia doskonałe objaśnienia wizualne i narzędzia potrzebne do rozpoczęcia stosowania uczenia maszynowego bezpośrednio w pracy lub w osobistych projektach.
DeepLearning.AI
Wprowadzenie do TensorFlow dla AI, ML i Deep LearningTen kurs, opracowany we współpracy z zespołem TensorFlow, jest częścią specjalizacji programisty TensorFlow i nauczy Cię najlepszych praktyk dotyczących korzystania z TensorFlow.
W tym kursie online opracowanym przez zespół TensorFlow i Udacity dowiesz się, jak tworzyć aplikacje do głębokiego uczenia się za pomocą TensorFlow.
DeepLearning.AI
Specjalizacja programisty TensorFlowW tej czterokursowej specjalizacji prowadzonej przez programistę TensorFlow poznasz narzędzia i oprogramowanie używane przez programistów do tworzenia skalowalnych algorytmów opartych na sztucznej inteligencji w TensorFlow.
Programiści Google
Kurs awaryjny uczenia maszynowegoCrash Course Machine Learning z interfejsami API TensorFlow to przewodnik do samodzielnej nauki dla początkujących praktyków uczenia maszynowego. Zawiera serię lekcji z wykładami wideo, studia przypadków ze świata rzeczywistego i praktyczne ćwiczenia praktyczne.
W tym kursie z MIT zdobędziesz podstawową wiedzę na temat algorytmów głębokiego uczenia i zdobędziesz praktyczne doświadczenie w budowaniu sieci neuronowych w TensorFlow.
DeepLearning.AI
Specjalizacja Deep LearningNa pięciu kursach poznasz podstawy Deep Learning, zrozumiesz, jak budować sieci neuronowe i nauczysz się prowadzić udane projekty uczenia maszynowego i budować karierę w AI. Opanujesz nie tylko teorię, ale także zobaczysz, jak znajduje zastosowanie w przemyśle.
DeepLearning.AI
TensorFlow: Specjalizacja w zakresie danych i wdrażaniaNauczyłeś się budować i trenować modele. Teraz naucz się poruszać po różnych scenariuszach wdrażania i efektywniej wykorzystywać dane do trenowania swojego modelu w ramach tej czterokursowej specjalizacji.
DeepLearning.AI
TensorFlow: Specjalizacja w zakresie zaawansowanych technikTa specjalizacja jest przeznaczona dla inżynierów oprogramowania i ML, którzy mają podstawową wiedzę na temat TensorFlow, którzy chcą poszerzyć swoją wiedzę i zestaw umiejętności, ucząc się zaawansowanych funkcji TensorFlow w celu budowania wydajnych modeli.
Koncepcje matematyczne
Aby zagłębić się w wiedzę na temat uczenia maszynowego, te zasoby mogą pomóc w zrozumieniu podstawowych pojęć matematycznych niezbędnych do wyższego poziomu zaawansowania.
Widok z lotu ptaka na algebrę liniową do uczenia maszynowego. Nigdy nie brałeś udziału w algebrze liniowej ani nie znasz trochę podstaw i chcesz poczuć, jak jest używana w ML? W takim razie ten film jest dla Ciebie.
Imperial College w Londynie
Matematyka dla specjalizacji uczenia maszynowegoTa specjalizacja online z Coursera ma na celu wypełnienie luki w matematyce i uczeniu maszynowym, przyspieszając podstawową matematykę, aby zbudować intuicyjne zrozumienie i powiązać ją z uczeniem maszynowym i nauką o danych.
3blue1brown koncentruje się na przedstawianiu matematyki z podejściem skoncentrowanym na wizualizacji. W tej serii filmów nauczysz się podstaw sieci neuronowej i jej działania poprzez koncepcje matematyczne.
Seria krótkich, wizualnych filmów wideo od 3blue1brown, które wyjaśniają geometryczne rozumienie macierzy, wyznaczników, elementów własnych i nie tylko.
Seria krótkich, wizualnych filmów wideo firmy 3blue1brown, które wyjaśniają podstawy rachunku różniczkowego w sposób, który pozwala dobrze zrozumieć podstawowe twierdzenia, a nie tylko sposób działania równań.
Ten kurs wprowadzający z MIT obejmuje teorię macierzy i algebrę liniową. Nacisk kładzie się na tematy, które będą przydatne w innych dyscyplinach, w tym układy równań, przestrzenie wektorowe, wyznaczniki, wartości własne, podobieństwa i macierze dodatnio określone.
Ten kurs wprowadzający do rachunku różniczkowego z MIT obejmuje różnicowanie i integrację funkcji jednej zmiennej z aplikacjami.
Wizualne wprowadzenie do prawdopodobieństwa i statystyki.
Ta książka zawiera przystępny przegląd dziedziny uczenia się statystycznego, niezbędnego zestawu narzędzi do zrozumienia rozległego i złożonego świata zestawów danych potrzebnych do trenowania modeli w uczeniu maszynowym.
Zasoby TensorFlow
Zebraliśmy nasze ulubione zasoby, które pomogą Ci rozpocząć pracę z bibliotekami i frameworkami TensorFlow dostosowanymi do Twoich potrzeb. Skocz do naszych sekcji dla TensorFlow.js , TensorFlow Lite i TensorFlow Rozszerzona .
Możesz również przeszukiwać oficjalne TensorFlow podręcznik i tutoriale dla najnowszych przykładów i colabs.
Machine Learning Foundations to bezpłatny kurs szkoleniowy, podczas którego poznasz podstawy tworzenia modeli uczenia maszynowego za pomocą TensorFlow.
Ten ML Tech Talk jest przeznaczony dla tych, którzy znają podstawy uczenia maszynowego, ale potrzebują przeglądu podstaw TensorFlow (tensory, zmienne i gradienty bez użycia interfejsów API wysokiego poziomu).
Ten ML Tech Talk obejmuje naukę reprezentacji, rodziny sieci neuronowych i ich zastosowania, pierwsze spojrzenie na głęboką sieć neuronową oraz wiele przykładów kodu i koncepcji z TensorFlow.
W tej serii zespół TensorFlow przygląda się różnym częściom TensorFlow z perspektywy kodowania, prezentując filmy wideo dotyczące wykorzystania wysokopoziomowych interfejsów API TensorFlow, przetwarzania języka naturalnego, uczenia się struktur neuronowych i nie tylko.
Dowiedz się, jak rozpoznawać najczęstsze przypadki użycia ML, w tym analizować multimedia, tworzyć inteligentne wyszukiwanie, przekształcać dane i jak szybko wbudować je w swoją aplikację za pomocą przyjaznych dla użytkownika narzędzi.
Praktyczne, kompleksowe podejście do podstaw TensorFlow.js dla szerokiej publiczności technicznej. Po ukończeniu tej książki będziesz wiedział, jak budować i wdrażać gotowe do produkcji systemy uczenia głębokiego za pomocą TensorFlow.js.
Trzyczęściowa seria, która bada zarówno uczenie, jak i wykonywanie modeli uczenia maszynowego za pomocą TensorFlow.js i pokazuje, jak utworzyć model uczenia maszynowego w JavaScript, który jest wykonywany bezpośrednio w przeglądarce.
Ta playlista wideo, będąca częścią większej serii poświęconej uczeniu maszynowemu i budowaniu sieci neuronowych, skupia się na TensorFlow.js, podstawowym interfejsie API oraz na tym, jak używać biblioteki JavaScript do trenowania i wdrażania modeli ML.
Dla urządzeń mobilnych i IoT
Poznaj najnowsze środków na TensorFlow Lite .
Programiści Google
Uczenie maszynowe na urządzeniuDowiedz się, jak zbudować swoją pierwszą aplikację ML na urządzeniu, korzystając ze ścieżek edukacyjnych, które zawierają przewodniki krok po kroku dotyczące typowych przypadków użycia, w tym klasyfikacji dźwięku, wizualnego wyszukiwania produktów i nie tylko.
Dowiedz się, jak wdrażać modele uczenia głębokiego na urządzeniach mobilnych i wbudowanych za pomocą TensorFlow Lite w tym kursie, opracowanym przez zespół TensorFlow i Udacity jako praktyczne podejście do wdrażania modeli dla programistów.
Zobacz, jak złożyć system rurociągów produkcyjnych z TFX. Szybko zajmiemy się wszystkim, od pozyskiwania danych, budowania modelu, po wdrażanie i zarządzanie.
Ta książka przeprowadzi Cię przez etapy automatyzacji potoku ML przy użyciu ekosystemu TensorFlow. Przykłady uczenia maszynowego w tej książce oparte są na TensorFlow i Keras, ale podstawowe koncepcje można zastosować do dowolnego frameworka.
DeepLearning.AI
Inżynieria uczenia maszynowego dla produkcji (MLOps) SpecjalizacjaPoszerz swoje możliwości w zakresie inżynierii produkcji w tej czterokursowej specjalizacji. Dowiedz się, jak konceptualizować, budować i utrzymywać zintegrowane systemy, które stale działają w produkcji.
Ten zaawansowany kurs obejmuje komponenty TFX, orkiestrację i automatyzację potoku oraz sposób zarządzania metadanymi ML za pomocą Google Cloud.
AI skoncentrowana na człowieku
Projektując model ML lub budując aplikacje oparte na sztucznej inteligencji, ważne jest, aby wziąć pod uwagę ludzi wchodzących w interakcję z produktem i najlepszy sposób na budowanie uczciwości, interpretowalności, prywatności i bezpieczeństwa w tych systemach AI.
Dowiedz się, jak zintegrować praktyki odpowiedzialnej sztucznej inteligencji z przepływem pracy ML za pomocą TensorFlow.
Ten przewodnik od Google pomoże Ci stworzyć produkty AI skoncentrowane na człowieku. Pozwoli Ci uniknąć typowych błędów, zaprojektować doskonałe wrażenia i skupić się na ludziach podczas tworzenia aplikacji opartych na sztucznej inteligencji.
Ten jednogodzinny moduł w ramach programu MLCC firmy Google przedstawia uczącym się różne rodzaje ludzkich uprzedzeń, które mogą przejawiać się w danych treningowych, a także strategie identyfikowania i oceny ich skutków.