Google está empenhada em fazer avançar a equidade racial para as comunidades negras. Veja como.

Domine seu programa

Para se tornar um especialista em machine learning, primeiro você precisa de uma base sólida em quatro áreas de aprendizagem: programação, matemática, teoria de ML e criação de um projeto de ML do início ao fim.

Comece com os currículos selecionados do TensorFlow para aprimorar essas quatro habilidades ou escolha seu próprio programa de aprendizado na 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.

  • Habilidades de programação: para criar modelos de ML, não basta apenas conhecer os conceitos. Com a programação, você poderá realizar o gerenciamento de dados, o ajuste de parâmetros e a análise de resultados necessários para testar e otimizar o modelo.

  • Matemática e estatística: o ML é uma disciplina com bastante matemática. Por isso, se você quiser modificar modelos de ML ou criar novos do zero, conhecer os conceitos matemáticos básicos será fundamental para o processo.

  • Teoria de ML: conhecer os fundamentos da teoria de ML é a base para você começar o processo de desenvolvimento e resolver problemas quando algo não sai como o planejado.

  • Crie seus próprios projetos: ter experiência prática com ML é a melhor maneira de testar seus conhecimentos. Comece com um simples colab ou um tutorial para praticar.

Currículos do TensorFlow

Comece a aprender com um dos nossos currículos guiados, que incluem cursos, livros e vídeos recomendados.

Para iniciantes
Noções básicas de machine learning com o TensorFlow

Aprenda o básico do ML com esta coleção de livros e cursos on-line. Você conhecerá o ML com o scikit-learn, por meio do aprendizado profundo usando o TensorFlow 2.0, e poderá praticar o que aprendeu com os tutoriais para iniciantes.

Para o nível intermediário e especialistas
Machine learning teórico e avançado com o TensorFlow

Depois de entender o básico do machine learning, aperfeiçoe suas habilidades com lições teóricas sobre as redes neurais, estudos sobre o aprendizado profundo e expanda seu conhecimento sobre os conceitos matemáticos essenciais.

Para iniciantes
Especialização: noções básicas do TensorFlow para o desenvolvimento em JavaScript

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 por meio de 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.

Livros
Deep Learning with Python, de Francois Chollet

Este livro é uma introdução prática ao aprendizado profundo com Keras.

Livros
Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2ª edição, de Aurélien Géron

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.

Livros
Deep Learning: An MIT Press Book, de Ian Goodfellow, Yoshua Bengio e Aaron Courville

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.

Livros
Neural Networks and Deep Learning, de Michael Nielsen

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.

Livros
Deep Learning with JavaScript de Shanqing Cai, Stanley Bileschi, Eric D. Nielsen com Francois Chollet

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 em várias partes

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 por meio de recursos visuais, bem como ferramentas necessárias para começar a usar o machine learning diretamente no trabalho ou em projetos pessoais.

Cursos on-line introdutórios
deeplearning.ai: especialização TensorFlow: Data and Deployment

Você 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.

Cursos on-line introdutórios
deeplearning.ai: Introduction to TensorFlow for Artificial Intelligence, Machine Learning, and Deep Learning

Desenvolvido em colaboração com a equipe do TensorFlow, este curso é parte da especialização "TensorFlow in Practice" e ensinará as práticas recomendadas de uso da plataforma.

Cursos on-line introdutórios
Udacity: Introdução ao TensorFlow para aprendizado profundo

Neste curso on-line desenvolvido pela equipe do TensorFlow e a Udacity, você aprenderá a criar apps de aprendizado profundo com o TensorFlow.

Gratuitos
Saiba mais  
Cursos on-line introdutórios
deeplearning.ai: especialização TensorFlow in Practice

Nesta 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.

Cursos on-line introdutórios
deeplearning.ai: especialização em aprendizado profundo

Em 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.

Cursos on-line introdutórios
Curso CS231n da Stanford: Convolutional Neural Networks for Visual Recognition

Este curso traz lições detalhadas sobre as arquiteturas de aprendizado profundo com um foco no ensino de modelos completos para tarefas de visão computacional, especialmente a classificação de imagens. Consulte os vídeos de aulas, os slides e as observações dos planos de ensino dos cursos anteriores.

Gratuitos
Saiba mais  
Cursos on-line introdutórios
Curso do MIT 6.S191: Introduction to Deep Learning

Neste curso do MIT, você adquirirá conhecimentos básicos de algoritmos de aprendizado profundo e terá experiências práticas na criação de redes neurais no TensorFlow.

Gratuitos
Saiba mais  

Outros recursos

Reunimos nossos cursos favoritos para ajudar desenvolvedores da Web e de dispositivos móveis e usuários que querem começar a criar pipelines de produção, incluindo as bibliotecas do TensorFlow e frameworks específicos para suas necessidades.

Cursos on-line introdutórios
Aprendizado profundo no JS, de Ashi Krishnan

Com o deeplearn.js, você pode descobrir como os sistemas de aprendizado profundo aprendem e examinar como eles pensam.

Gratuitos
Assistir  
Cursos on-line introdutórios
Primeiros passos com o TensorFlow.js do TensorFlow

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.

Gratuitos
Assistir  
Cursos on-line introdutórios
TensorFlow.js: série de inteligência e aprendizado, da Coding Train

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.

Gratuitos
Assistir  
Cursos on-line introdutórios
Aprendizado profundo no TensorFlow.js com JavaScript, da Deeplizard

Esta série apresenta o conceito das redes neurais artificiais do lado do cliente. Saiba mais sobre as arquiteturas de aprendizado profundo cliente-servidor, a conversão de modelos do Keras para TFJS, a exibição de modelos com o Node.js, o treinamento e o aprendizado por transferência no navegador e muito mais.

Gratuitos
Assistir  
Cursos on-line introdutórios
TensorFlow Extended: machine learning do mundo real em produção

Uma série de cinco partes da equipe do TensorFlow sobre como usar o TensorFlow Extended (TFX) para criar seus próprios pipelines de produção de ML.

Gratuitos
Assistir  
Cursos on-line introdutórios
Machine learning no seu dispositivo: diferentes opções (Google I/O 2019)

Esta sessão da Google I/O desmistificará as várias opções disponíveis de uso do machine learning para aprimorar apps para dispositivos móveis e dispositivos de Edge. Saiba como o TensorFlow Lite pode ser usado para treinar modelos e aprenda a usá-los em uma variedade de dispositivos.

Gratuitos
Assistir  

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.

Conceitos matemáticos
Curso intensivo de machine learning do Google Developers

O 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.

Conceitos matemáticos
Coursera: especialização em matemática para machine learning

Esta 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.

Conceitos matemáticos
Aprendizado profundo, da 3blue1brown

O objetivo da 3blue1brown é apresentar a matemática por meio de 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 meio de conceitos matemáticos.

Gratuitos
Assistir  
Conceitos matemáticos
Essence of Linear Algebra, da 3blue1brown

Série de vídeos curtos da 3blue1brown que explica matrizes a partir de uma perspectiva geométrica, determinantes, itens da biblioteca Eigen e muito mais.

Gratuitos
Assistir  
Conceitos matemáticos
Essence of Calculus, da 3blue1brown

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.

Gratuitos
Assistir  
Conceitos matemáticos
Curso do MIT 18.06: Linear Algebra

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.

Gratuitos
Saiba mais  
Conceitos matemáticos
Curso do MIT 18.01: Single Variable Calculus

Este curso introdutório de cálculo do MIT aborda a diferenciação e a integração de funções de uma variável, além de como aplicar esse conhecimento

Gratuitos
Saiba mais  
Conceitos matemáticos
Seeing Theory

Uma introdução visual à probabilidade e à estatística.

Gratuitos
Saiba mais  
Conceitos matemáticos
An Introduction to Statistical Learning, with Applications in R de James, G., Witten, D., Hastie, T. e Tibshirani, R.

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.

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.

IA centrada em pessoas
People + AI Guidebook

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.

Gratuitos
Saiba mais  
IA centrada em pessoas
Práticas responsáveis de IA

Saiba mais sobre as práticas recomendadas do Google para criar imparcialidade, interpretabilidade, privacidade e segurança em sistemas de IA.

Gratuitos
Saiba mais  
IA centrada em pessoas
Módulo "Introdução à imparcialidade no machine learning"

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.

Gratuitos
Saiba mais