Zadbaj o dobrą organizację dzięki kolekcji Zapisuj i kategoryzuj treści zgodnie ze swoimi preferencjami.

Opanuj swoją ścieżkę

Aby zostać ekspertem w dziedzinie uczenia maszynowego, potrzebujesz najpierw solidnych podstaw w czterech obszarach uczenia się : kodowania, matematyki, teorii uczenia maszynowego i tworzenia własnego projektu uczenia maszynowego od początku do końca.

Rozpocznij od wyselekcjonowanych programów nauczania TensorFlow, aby poprawić te cztery umiejętności, lub wybierz własną ścieżkę nauki, korzystając z poniższej biblioteki zasobów .

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.

  • Umiejętności kodowania: budowanie modeli ML wymaga znacznie więcej niż tylko znajomości koncepcji ML — wymaga kodowania w celu zarządzania danymi, dostrajania parametrów i wyników analizowania potrzebnych do testowania i optymalizacji modelu.

  • Matematyka i statystyki: ML to ciężka dyscyplina matematyczna, więc jeśli planujesz modyfikować modele ML lub budować nowe od podstaw, znajomość podstawowych pojęć matematycznych ma kluczowe znaczenie dla tego procesu.

  • Teoria ML: Znajomość podstaw teorii ML da ci podstawy do budowania i pomoże w rozwiązywaniu problemów, gdy coś pójdzie nie tak.

  • Twórz własne projekty: Zdobycie doświadczenia z ML to najlepszy sposób na przetestowanie swojej wiedzy, więc nie bój się zanurkować na początku dzięki prostemu kolaboracji lub samouczkowi , aby zdobyć trochę praktyki.

Programy nauczania TensorFlow

Rozpocznij naukę, korzystając z jednego z naszych programów nauczania z przewodnikiem, zawierającego polecane kursy, książki i filmy.

Dla początkujących
Podstawy uczenia maszynowego z TensorFlow

Poznaj podstawy ML dzięki tej kolekcji książek i kursów online. Zostaniesz wprowadzony do ML i poprowadzony przez głębokie uczenie przy użyciu TensorFlow 2.0. Wtedy będziesz miał okazję przećwiczyć to, czego się uczysz, korzystając z samouczków dla początkujących.

Dla średniozaawansowanych i ekspertów
Teoretyczne i zaawansowane uczenie maszynowe z TensorFlow

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.

Dla początkujących
TensorFlow do programowania w JavaScript

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
Kursy online
Koncepcje matematyczne
Zasoby FT
AI skoncentrowana na człowieku

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.

Sztuczna inteligencja i uczenie maszynowe dla koderów
autor: Laurence Moroney

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.

Głębokie uczenie się z Pythonem
autorstwa Francois Cholleta

Ta książka jest praktycznym, praktycznym wprowadzeniem do Deep Learning with Keras.

Praktyczne uczenie maszynowe za pomocą Scikit-Learn, Keras i TensorFlow
autor: Aurélien Géron

Korzystając z konkretnych przykładów, minimalnej teorii i dwóch gotowych do produkcji frameworków Python — Scikit-Learn i TensorFlow — ta książka pomoże Ci uzyskać intuicyjne zrozumienie koncepcji i narzędzi do budowania inteligentnych systemów.

Głęboka nauka
Ian Goodfellow, Yoshua Bengio i Aaron Courville

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.

Bezpłatny
Zobacz książkę
Sieci neuronowe i głębokie uczenie
autorstwa Michaela Nielsena

Ta książka przedstawia teoretyczne podstawy sieci neuronowych. Nie używa TensorFlow, ale jest świetnym punktem odniesienia dla studentów zainteresowanych nauką więcej.

Bezpłatny
Zobacz książkę
Nauka TensorFlow.js
przez Gant Laborde

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.

Głębokie uczenie z JavaScript
Shanqing Cai, Stanley Bileschi, Eric D. Nielsen i Francois Chollet

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.

Wprowadzenie do TensorFlow dla AI, ML i Deep Learning

Ten kurs, opracowany we współpracy z zespołem TensorFlow, jest częścią specjalizacji programistów TensorFlow i nauczy Cię najlepszych praktyk dotyczących korzystania z TensorFlow.

Wprowadzenie do TensorFlow do głębokiego uczenia

W tym kursie online opracowanym przez zespół TensorFlow i Udacity dowiesz się, jak tworzyć aplikacje do głębokiego uczenia się za pomocą TensorFlow.

Bezpłatny
Zobacz kurs
Specjalizacja programisty TensorFlow

W tej czterokursowej specjalizacji prowadzonej przez programistę TensorFlow poznasz narzędzia i oprogramowanie używane przez programistów do tworzenia skalowalnych algorytmów opartych na sztucznej inteligencji w TensorFlow.

Kurs awaryjny uczenia maszynowego

Crash 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.

Bezpłatny
Zobacz kurs
MIT 6.S191: Wprowadzenie do głębokiego uczenia

W tym kursie z MIT zdobędziesz podstawową wiedzę na temat algorytmów głębokiego uczenia i zdobędziesz praktyczne doświadczenie w budowaniu sieci neuronowych w TensorFlow.

Bezpłatny
Zobacz kurs
Specjalizacja Deep Learning

Na 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.

TensorFlow: Specjalizacja w zakresie danych i wdrażania

Nauczyłeś 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.

TensorFlow: Specjalizacja w zakresie zaawansowanych technik

Ta 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.

Podstawy Google AI do uczenia maszynowego opartego na sieci Web

Dowiedz się, jak możesz przyciągnąć więcej uwagi do najnowszych badań lub zapewnić supermoce w swoich aplikacjach internetowych w przyszłej pracy dla swoich klientów lub firmy, dla której pracujesz, dzięki uczeniu maszynowemu opartemu na sieci Web.

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.

Przyjazne wprowadzenie do algebry liniowej dla ML

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.

Bezpłatny
Obejrzyj wideo
Matematyka dla specjalizacji uczenia maszynowego

Ta 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.

Głęboka nauka
przez 3Blue1Brown

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.

Bezpłatny
Zobacz serię
Istota algebry liniowej
przez 3Blue1Brown

Seria krótkich, wizualnych filmów wideo od 3blue1brown, które wyjaśniają geometryczne rozumienie macierzy, wyznaczników, elementów własnych i nie tylko.

Bezpłatny
Zobacz serię
Esencja rachunku różniczkowego
przez 3Blue1Brown

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.

Bezpłatny
Zobacz serię
MIT 18.06: Algebra liniowa

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.

Bezpłatny
Zobacz kurs
MIT 18.01: Rachunek pojedynczej zmiennej

Ten kurs wprowadzający do rachunku różniczkowego z MIT obejmuje różnicowanie i integrację funkcji jednej zmiennej z aplikacjami.

Bezpłatny
Zobacz kurs
Teoria widzenia
autorzy: Daniel Kunin, Jingru Guo, Tyler Dae Devlin, Daniel Xiang

Wizualne wprowadzenie do prawdopodobieństwa i statystyki.

Bezpłatny
Ucz się więcej
Wprowadzenie do nauki statystycznej
autorstwa Garetha Jamesa, Danieli Witten, Trevora Hastie i Roba Tibshirani

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.

Bezpłatny
Zobacz książkę

Zasoby TensorFlow

Zebraliśmy nasze ulubione zasoby, które pomogą Ci rozpocząć pracę z bibliotekami i frameworkami TensorFlow dostosowanymi do Twoich potrzeb. Przejdź do naszych sekcji dotyczących TensorFlow.js , TensorFlow Lite i TFX .


Możesz także przejrzeć oficjalny przewodnik i samouczki TensorFlow, aby znaleźć najnowsze przykłady i kolaboracje.

Podstawy uczenia maszynowego

Machine Learning Foundations to bezpłatny kurs szkoleniowy, podczas którego poznasz podstawy tworzenia modeli uczenia maszynowego za pomocą TensorFlow.

Bezpłatny
Zobacz serię
TensorFlow od podstaw

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).

Bezpłatny
Obejrzyj wideo
Wprowadzenie do głębokiego uczenia

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.

Bezpłatny
Obejrzyj wideo
Kodowanie 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.

Bezpłatny
Zobacz serię
Wykrywanie i rozwiązywanie codziennych problemów z uczeniem maszynowym

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.

Bezpłatny
Obejrzyj wideo

Dla JavaScript

Zapoznaj się z najnowszymi zasobami na TensorFlow.js .

Nauka TensorFlow.js
przez Gant Laborde

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.

Pierwsze kroki z TensorFlow.js od TensorFlow

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.

Bezpłatny
Zobacz serię
Google AI dla programistów JavaScript z TensorFlow.js

Przejdź od zera do bohatera dzięki web ML przy użyciu TensorFlow.js. Dowiedz się, jak tworzyć aplikacje internetowe nowej generacji, które mogą działać po stronie klienta i być używane na prawie każdym urządzeniu.

Bezpłatny
Zobacz kurs
TensorFlow.js: Seria Inteligencja i nauka
przez Pociąg Kodowania

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.

Bezpłatny
Zobacz serię

Dla urządzeń mobilnych i IoT

Zapoznaj się z najnowszymi zasobami na TensorFlow Lite .

Uczenie maszynowe na urządzeniu

Dowiedz 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.

Wprowadzenie do TensorFlow Lite

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.

Bezpłatny
Zobacz kurs

Do produkcji

Zapoznaj się z najnowszymi zasobami w TFX .

Inżynieria ML dla produkcyjnych wdrożeń ML z TFX

Zobacz w praktyce, jak złożyć system rurociągów produkcyjnych za pomocą TFX. Szybko zajmiemy się wszystkim, od pozyskiwania danych, budowania modelu, po wdrażanie i zarządzanie.

Bezpłatny
Obejrzyj wideo
Budowanie potoków uczenia maszynowego
autor: Hannes Hapke, Catherine Nelson

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.

Inżynieria uczenia maszynowego dla produkcji (MLOps) Specjalizacja

Poszerz swoje możliwości w zakresie inżynierii produkcji w tej czterokursowej specjalizacji. Dowiedz się, jak konceptualizować, budować i utrzymywać zintegrowane systemy, które stale działają w produkcji.

ML Pipelines w Google Cloud

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.

Odpowiedzialne praktyki AI

Dowiedz się, jak zintegrować praktyki odpowiedzialnej sztucznej inteligencji z przepływem pracy ML za pomocą TensorFlow.

Bezpłatny
Ucz się więcej
Poradnik Ludzie + AI

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.

Bezpłatny
Ucz się więcej
Wprowadzenie do uczciwości w module Machine Learning

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.

Bezpłatny
Ucz się więcej