Domine seu programa
Para se tornar um especialista em machine learning, primeiro você precisa de uma base sólida em quatro áreas de aprendizado: programação, matemática, teoria de ML e criação de um projeto de ML do início ao fim.
Comece com os currículos selecionados para melhorar essas quatro habilidades ou escolha seu próprio programa de aprendizado explorando nossa biblioteca de recursos abaixo.
As quatro áreas da educação em machine learning
Ao iniciar um programa de aprendizado, é importante primeiro entender como aprender o ML. Dividimos o processo de aprendizagem em quatro áreas do conhecimento. Cada uma delas mostra uma peça fundamental do quebra-cabeças do ML. Para facilitar esse processo, identificamos livros, vídeos e cursos on-line que ajudarão você a aperfeiçoar suas habilidades e a se preparar para usar o ML nos seus projetos. Comece com os currículos guiados feitos para aumentar seus conhecimentos ou escolha seu próprio programa na nossa biblioteca de recursos.
Currículos do TensorFlow
Comece a aprender com um dos nossos currículos guiados, que incluem cursos, livros e vídeos recomendados.
Aprenda o básico de ML com esta coleção de livros e cursos on-line. Você conhecerá o ML e verá como usar o aprendizado profundo usando o TensorFlow 2.0. Depois, você poderá praticar o que aprendeu com tutoriais para iniciantes.
Depois de entender o básico do machine learning, aperfeiçoe suas habilidades com lições teóricas sobre as redes neurais, estudos sobre o aprendizado profundo e amplie seu conhecimento sobre os conceitos matemáticos essenciais.
Aprenda as noções básicas do desenvolvimento de modelos de machine learning no JavaScript e saiba como fazer a implantação diretamente no navegador. Você verá uma introdução de alto nível sobre o aprendizado profundo e aprenderá a usar o TensorFlow.js com exercícios práticos.
Recursos educacionais
Escolha seu próprio programa de aprendizado e acesse livros, cursos, vídeos e exercícios recomendados pela equipe do TensorFlow para aprender os fundamentos do ML.
Livros
Ler é uma das melhores maneiras de entender os conceitos básicos do ML e do aprendizado profundo. Os livros podem oferecer o entendimento teórico necessário para ajudar você a aprender novos conceitos mais rapidamente no futuro.
Este livro introdutório tem uma abordagem que prioriza o código, para que você aprenda como implantar os cenários mais comuns de ML, como visão computacional, processamento de linguagem natural (PLN) e modelagem sequencial para Web, dispositivos móveis, nuvem e tempos de execução incorporados.
Este livro é uma introdução prática ao aprendizado profundo com Keras.
Com exemplos concretos, pouca teoria e dois frameworks Python prontos para produção (Scikit-Learn e TensorFlow), este livro ajuda você a ter uma compreensão intuitiva dos conceitos e das ferramentas para criar sistemas inteligentes.
Este manual de aprendizado profundo é um recurso criado para ajudar estudantes e profissionais a entrar no campo geral do machine learning e conhecer em detalhes o aprendizado profundo.
Este livro mostra o contexto teórico das redes neurais. A publicação não aborda o TensorFlow, mas é uma ótima referência para estudantes interessados em saber mais.
Uma abordagem prática de ponta a ponta aos princípios básicos do TensorFlow.js para um público técnico amplo. Ao terminar este livro, você saberá como criar e implantar sistemas de aprendizado profundo prontos para produção com o TensorFlow.js.
Escrito pelos principais autores da biblioteca do TensorFlow, este livro mostra casos de uso fascinantes e instruções detalhadas para apps de aprendizado profundo em JavaScript no navegador ou no Node.
Cursos on-line
Fazer um curso on-line dividido em várias partes é uma boa maneira de aprender os conceitos básicos do ML. Diversos cursos oferecem ótimas explicações com recursos visuais, bem como ferramentas necessárias para começar a usar o machine learning diretamente no trabalho ou em projetos pessoais.
DeepLearning.AI
Introdução ao TensorFlow para IA, ML e aprendizado profundoDesenvolvido em colaboração com a equipe do TensorFlow, este curso é parte da especialização "TensorFlow Developer" e ensinará as práticas recomendadas de uso da plataforma.
Neste curso on-line desenvolvido pela equipe do TensorFlow e a Udacity, você aprenderá a criar apps de aprendizado profundo com o TensorFlow.
DeepLearning.AI
TensorFlow Developer SpecializationNesta especialização de quatro cursos ministrada por um desenvolvedor da plataforma, você conhecerá as ferramentas usadas para criar algoritmos com tecnologia de IA escalonáveis no TensorFlow.
Google Developers
Curso intensivo de machine learningO Curso intensivo de machine learning com APIs do TensorFlow é um guia de estudo para os que querem ser profissionais de machine learning. Ele oferece uma série de lições com videoaulas, estudos de caso reais e exercícios práticos.
Neste curso do MIT, você terá os conhecimentos básicos de algoritmos de aprendizado profundo e experiências práticas na criação de redes neurais no TensorFlow.
DeepLearning.AI
Deep Learning SpecializationEm cinco cursos, você aprenderá os fundamentos do aprendizado profundo, descobrirá como criar redes neurais e saberá como conduzir projetos bem-sucedidos de machine learning para desenvolver uma carreira na área de IA. Além dominar a teoria, você também verá como ela é usada no setor.
DeepLearning.AI
Especialização em TensorFlow: dados e implantaçãoVocê aprendeu a desenvolver e treinar modelos. Agora, veja como lidar com diversos cenários de implantação e usar os dados com mais eficácia para treinar seu modelo nesta especialização de quatro cursos.
DeepLearning.AI
Especialização em TensorFlow: técnicas avançadasEsta especialização é destinada a engenheiros de software e ML com um entendimento básico do TensorFlow que querem expandir os conhecimentos e conjuntos de habilidades com recursos avançados do TensorFlow para desenvolver modelos poderosos.
Saiba como você pode melhorar a visibilidade de sua pesquisa moderna ou trazer superpoderes para seus apps da Web em trabalhos futuros para seus clientes ou para a empresa que você trabalha com o machine baseado na Web.
Conceitos matemáticos
Esses recursos podem ajudar você a entender os conceitos matemáticos básicos necessários para avançar ao próximo nível e aprofundar seu conhecimento em ML.
Visão panorâmica de álgebra linear em machine learning. Nunca estudou álgebra linear ou sabe apenas o básico e quer entender como ela é usada em ML? Então este vídeo é para você.
Imperial College London
Especialização em matemática para machine learningEsta especialização on-line do Coursera busca relacionar a matemática e o machine learning, oferecendo atualizações da matemática básica para você criar um entendimento intuitivo e poder relacionar essa disciplina ao machine learning e à ciência de dados.
O objetivo da 3blue1brown é apresentar a matemática usando uma abordagem que prioriza o conteúdo visual. Nesta série de vídeos, você aprenderá as noções básicas de uma rede neural e entenderá como ela funciona por conceitos matemáticos.
Série de vídeos curtos da 3blue1brown que explica matrizes de uma perspectiva geométrica, determinantes, itens da biblioteca Eigen e muito mais.
Série de vídeos curtos da 3blue1brown que explica os fundamentos do cálculo para você entender melhor os principais teoremas, e não só como as equações funcionam.
Este curso introdutório do MIT aborda a teoria das matrizes e a álgebra linear. O currículo enfatiza assuntos que serão úteis em outras disciplinas, incluindo sistemas de equações, espaços de vetor, determinantes, valores eigen, semelhança e matrizes definitivas positivas.
Este curso introdutório de cálculo do MIT aborda a diferenciação e a integração de funções de uma variável, além de como aplicar esse conhecimento
Uma introdução visual à probabilidade e à estatística.
Este livro mostra uma visão geral acessível do campo de aprendizagem estatística, que apresenta ferramentas essenciais para entender o vasto e complexo mundo de conjuntos de dados necessários para treinar modelos de machine learning.
Recursos do TensorFlow
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, LiteRT, and TFX.
You can also browse the official TensorFlow guide and tutorials for the latest examples and colabs.
Esta série introdutória é destinada a pessoas que sabem programar, mas não conhecem necessariamente o machine learning. Veja um exemplo "Hello World" básico sobre a criação de um modelo de ML e aprenda a criar um classificador de imagens por rede neural convolucional.
Esta ML Tech Talk foi criada para as pessoas que conhecem os conceitos básicos de machine learning, mas precisam de uma visão geral dos fundamentos do TensorFlow (tensores, variáveis e gradientes sem usar APIs de alto nível).
Esta ML Tech Talk inclui aprendizado de representações, famílias de redes neurais e aplicações, uma análise de uma rede neural profunda e muitos exemplos de códigos e conceitos do TensorFlow.
Nesta série, a equipe do TensorFlow analisa várias partes do TensorFlow de uma perspectiva de programação, com vídeos para uso de APIs de alto nível do TensorFlow, processamento de linguagem natural, Neural Structured Learning e muito mais.
Saiba como identificar os casos de uso de ML mais comuns, incluindo análise de multimídia, criação de pesquisas inteligentes, transformação de dados e como incorporá-los rapidamente no seu app com ferramentas fáceis de usar.
Adquira conhecimento prático sobre o uso de ML no navegador com JavaScript. Saiba como criar modelos personalizados do zero, treinar novamente usando o aprendizado por transferência e converter modelos de Python.
Uma abordagem prática de ponta a ponta aos princípios básicos do TensorFlow.js para um público técnico amplo. Ao terminar este livro, você saberá como criar e implantar sistemas de aprendizado profundo prontos para produção com o TensorFlow.js.
Uma série em três partes que aborda o treinamento e a execução de modelos de machine learning com o TensorFlow.js. Além disso, o curso mostra como criar um modelo de ML no JavaScript que é executado diretamente no navegador.
Aprenda de tudo com o Web ML usando o TensorFlow.js. Saiba como criar apps da Web de última geração que podem ser executados no lado do cliente e usados em quase todos os dispositivos.
Parte de uma série maior sobre o machine learning e a criação de redes neurais, esta playlist de vídeos tem como tema central o TensorFlow.js, a API principal e orientações sobre o uso da biblioteca do JavaScript para treinar e implantar modelos de ML.
Para dispositivos móveis e de borda
Explore the latest resources at Google AI Edge.
Google Developers
On-Device Machine LearningSaiba como criar seu primeiro app de ML no dispositivo com rotas de aprendizagem com guias passo a passo para casos de uso comuns, incluindo classificação de áudio, pesquisa visual de produtos e muito mais.
Learn how to deploy deep learning models on mobile and embedded devices with LiteRT in this course, developed by the TensorFlow team and Udacity as a practical approach to model deployment for software developers.
Veja na prática como montar um sistema de pipeline de produção com o TFX. Mostraremos uma visão rápida de aquisição de dados, construção de modelos, implantação e gerenciamento.
Este livro mostra as etapas de automação de um pipeline de ML com o ecossistema do TensorFlow. Os exemplos de machine learning neste livro são baseados no TensorFlow e no Keras, mas os conceitos principais podem ser aplicados a qualquer framework.
DeepLearning.AI
Especialização em engenharia de machine learning para produção (MLOps)Amplie suas habilidades de engenharia de produção nesta especialização de quatro cursos. Saiba como conceituar, criar e manter sistemas integrados que operam continuamente na produção.
Este curso avançado abrange componentes do TFX, orquestração e automação de pipelines e como gerenciar metadados de ML com o Google Cloud.
IA centrada em pessoas
Ao criar um modelo de ML ou aplicativos orientados por IA, é importante considerar as pessoas que interagem com o produto e avaliar a melhor maneira de ter imparcialidade, interpretabilidade, privacidade e segurança nesses sistemas.
Saiba como integrar as práticas da AI Responsible ao seu fluxo de trabalho de ML usando o TensorFlow.
Este manual do Google ajudará você a criar produtos de IA centrada em pessoas. Com esse recurso, você pode aprender a evitar erros comuns, criar experiências excelentes e concentrar-se nas pessoas ao produzir aplicativos orientados por IA.
Este módulo de uma hora no MLCC do Google apresenta diferentes tipos de vieses humanos que podem se manifestar nos dados de treinamento, bem como estratégias para identificar e avaliar os efeitos gerados.