Освойте свой путь
Чтобы стать экспертом в области машинного обучения, вам сначала нужна прочная основа в четырех областях обучения : кодирование, математика, теория машинного обучения и создание собственного проекта машинного обучения от начала до конца.
Начните с кураторских учебных программ TensorFlow, чтобы улучшить эти четыре навыка, или выберите свой собственный путь обучения, изучив нашу библиотеку ресурсов ниже.
Четыре области обучения машинному обучению
Начиная свой образовательный путь, важно сначала понять, как изучать машинное обучение. Мы разбили процесс обучения на четыре области знаний, каждая из которых представляет собой фундаментальную часть головоломки ML. Чтобы помочь вам на вашем пути, мы определили книги, видео и онлайн-курсы, которые повысят ваши способности и подготовят вас к использованию машинного обучения в ваших проектах. Начните с наших пошаговых учебных программ, разработанных для расширения ваших знаний, или выберите свой собственный путь, изучив нашу библиотеку ресурсов.
Учебные программы TensorFlow
Начните обучение с одной из наших управляемых учебных программ, содержащих рекомендуемые курсы, книги и видео.
Изучите основы машинного обучения с помощью этой коллекции книг и онлайн-курсов. Вы познакомитесь с ML и проведете глубокое обучение с использованием TensorFlow 2.0. Затем у вас будет возможность попрактиковаться в том, что вы изучаете, с помощью руководств для начинающих.
Как только вы поймете основы машинного обучения, поднимите свои способности на новый уровень, углубившись в теоретическое понимание нейронных сетей, глубокого обучения и улучшая свои знания основных математических концепций.
Изучите основы разработки моделей машинного обучения в JavaScript и способы их развертывания непосредственно в браузере. Вы получите общее представление о глубоком обучении и о том, как начать работу с TensorFlow.js с помощью практических упражнений.
Образовательные ресурсы
Выберите свой собственный путь обучения и изучите книги, курсы, видео и упражнения, рекомендованные командой TensorFlow, чтобы научить вас основам машинного обучения.
Книги
Чтение — один из лучших способов понять основы машинного обучения и глубокого обучения. Книги могут дать вам теоретическое понимание, необходимое для более быстрого изучения новых концепций в будущем.
В этой вводной книге представлен подход, ориентированный на код, чтобы узнать, как реализовать наиболее распространенные сценарии машинного обучения, такие как компьютерное зрение, обработка естественного языка (NLP) и моделирование последовательности для веб-сред, мобильных, облачных и встроенных сред выполнения.
Эта книга представляет собой практическое введение в Deep Learning with Keras.
Используя конкретные примеры, минимальную теорию и две готовые к работе среды Python — Scikit-Learn и TensorFlow — эта книга поможет вам получить интуитивное представление о концепциях и инструментах для создания интеллектуальных систем.
Этот учебник по глубокому обучению — это ресурс, предназначенный для того, чтобы помочь студентам и практикам войти в область машинного обучения в целом и глубокого обучения в частности.
В этой книге представлены теоретические основы нейронных сетей. Он не использует TensorFlow, но является отличным справочником для студентов, заинтересованных в получении дополнительной информации.
Практический комплексный подход к основам TensorFlow.js для широкой технической аудитории. Прочитав эту книгу, вы узнаете, как создавать и развертывать готовые к эксплуатации системы глубокого обучения с помощью TensorFlow.js.
Эта книга, написанная основными авторами библиотеки TensorFlow, содержит увлекательные примеры использования и подробные инструкции для приложений глубокого обучения на JavaScript в вашем браузере или на Node.
Онлайн-курсы
Прохождение онлайн-курса, состоящего из нескольких частей, — хороший способ изучить основные концепции машинного обучения. Многие курсы содержат отличные визуальные пояснения и инструменты, необходимые для того, чтобы начать применять машинное обучение непосредственно на работе или в личных проектах.
Глубокое обучение.ИИ
Введение в TensorFlow для искусственного интеллекта, машинного обучения и глубокого обученияЭтот курс, разработанный в сотрудничестве с командой TensorFlow, является частью специализации разработчиков TensorFlow и научит вас передовым методам использования TensorFlow.
В этом онлайн-курсе, разработанном командой TensorFlow и Udacity, вы узнаете, как создавать приложения для глубокого обучения с помощью TensorFlow.
Глубокое обучение.ИИ
Специализация разработчика TensorFlowВ этой специализации из четырех курсов, которую преподает разработчик TensorFlow, вы изучите инструменты и программное обеспечение, которые разработчики используют для создания масштабируемых алгоритмов на основе ИИ в TensorFlow.
Разработчики Google
Ускоренный курс по машинному обучениюУскоренный курс по машинному обучению с API-интерфейсами TensorFlow — это руководство для начинающих практиков в области машинного обучения. Он включает в себя серию уроков с видеолекциями, реальными примерами из жизни и практическими упражнениями.
В этом курсе Массачусетского технологического института вы получите базовые знания об алгоритмах глубокого обучения и получите практический опыт построения нейронных сетей в TensorFlow.
Глубокое обучение.ИИ
Специализация глубокого обученияНа пяти курсах вы изучите основы глубокого обучения, поймете, как создавать нейронные сети, а также узнаете, как руководить успешными проектами машинного обучения и строить карьеру в области искусственного интеллекта. Вы освоите не только теорию, но и увидите, как она применяется в промышленности.
Глубокое обучение.ИИ
TensorFlow: специализация данных и развертыванияВы научились создавать и обучать модели. Теперь научитесь ориентироваться в различных сценариях развертывания и более эффективно использовать данные для обучения модели в этой специализации из четырех курсов.
Глубокое обучение.ИИ
TensorFlow: специализация передовых методовЭта специализация предназначена для инженеров по программному обеспечению и машинному обучению с базовым пониманием TensorFlow, которые хотят расширить свои знания и набор навыков, изучив расширенные функции TensorFlow для создания мощных моделей.
Узнайте, как вы можете привлечь больше внимания к своим передовым исследованиям или реализовать сверхвозможности в своих веб-приложениях в будущей работе для своих клиентов или компании, в которой вы работаете, с помощью машинного обучения в Интернете.
Математические концепции
Чтобы углубить свои знания в области машинного обучения, эти ресурсы могут помочь вам понять основные математические концепции, необходимые для продвижения на более высокий уровень.
Взгляд с высоты птичьего полета на линейную алгебру для машинного обучения. Никогда не изучали линейную алгебру или немного разбираетесь в основах и хотите понять, как она используется в ML? Тогда это видео для вас.
Имперский колледж Лондон
Математика для специализации машинного обученияЭта онлайн-специализация от Coursera направлена на то, чтобы преодолеть разрыв между математикой и машинным обучением, помочь вам быстрее освоить базовую математику для создания интуитивного понимания и связать ее с машинным обучением и наукой о данных.
3blue1brown фокусируется на представлении математики с визуальным подходом. В этой серии видеороликов вы изучите основы нейронной сети и то, как она работает, с помощью математических концепций.
Серия коротких наглядных видеороликов от 3blue1brown, которые объясняют геометрическое понимание матриц, определителей, собственных веществ и многого другого.
Серия коротких наглядных видеороликов от 3blue1brown, которые объясняют основы исчисления таким образом, чтобы дать вам четкое представление об основных теоремах, а не только о том, как работают уравнения.
Этот вводный курс Массачусетского технологического института охватывает теорию матриц и линейную алгебру. Особое внимание уделяется темам, которые будут полезны в других дисциплинах, включая системы уравнений, векторные пространства, определители, собственные значения, подобия и положительно определенные матрицы.
Этот вводный курс исчисления от Массачусетского технологического института охватывает дифференциацию и интеграцию функций одной переменной с приложениями.
Наглядное введение в вероятность и статистику.
В этой книге представлен доступный обзор области статистического обучения, необходимый набор инструментов для понимания огромного и сложного мира наборов данных, необходимых для обучения моделей машинному обучению.
Ресурсы TensorFlow
Мы собрали наши любимые ресурсы, чтобы помочь вам начать работу с библиотеками и фреймворками TensorFlow, которые соответствуют вашим потребностям. Перейдите к нашим разделам для TensorFlow.js , TensorFlow Lite и TensorFlow Extended .
Вы также можете просмотреть официальное руководство и учебные пособия TensorFlow для получения последних примеров и совместных работ.
Основы машинного обучения — это бесплатный учебный курс, в котором вы изучите основы построения машинных моделей с использованием TensorFlow.
Этот технический доклад по машинному обучению предназначен для тех, кто знаком с основами машинного обучения, но нуждается в обзоре основ TensorFlow (тензоры, переменные и градиенты без использования высокоуровневых API).
Этот технический доклад по машинному обучению включает изучение представлений, семейств нейронных сетей и их приложений, первый взгляд на глубокую нейронную сеть, а также множество примеров кода и концепций TensorFlow.
В этой серии команда TensorFlow рассматривает различные части TensorFlow с точки зрения кодирования, показывая видеоролики об использовании высокоуровневых API-интерфейсов TensorFlow, обработке естественного языка, нейронном структурированном обучении и многом другом.
Научитесь определять наиболее распространенные варианты использования машинного обучения, включая анализ мультимедиа, построение интеллектуального поиска, преобразование данных и способы их быстрого внедрения в ваше приложение с помощью удобных инструментов.
Практический комплексный подход к основам TensorFlow.js для широкой технической аудитории. Прочитав эту книгу, вы узнаете, как создавать и развертывать готовые к эксплуатации системы глубокого обучения с помощью TensorFlow.js.
Серия из трех частей, в которой рассматривается как обучение, так и выполнение моделей машинного обучения с помощью TensorFlow.js, а также показано, как создать модель машинного обучения в JavaScript, которая выполняется непосредственно в браузере.
Пройдите путь от нуля до героя с помощью веб-машинного обучения с помощью TensorFlow.js. Узнайте, как создавать веб-приложения следующего поколения, которые могут работать на стороне клиента и использоваться практически на любом устройстве.
Этот видео-плейлист, являющийся частью более крупной серии, посвященной машинному обучению и созданию нейронных сетей, посвящен TensorFlow.js, основному API и тому, как использовать библиотеку JavaScript для обучения и развертывания моделей машинного обучения.
Для мобильных устройств и Интернета вещей
Изучите последние ресурсы на TensorFlow Lite .
Разработчики Google
Машинное обучение на устройствеУзнайте, как создать свое первое приложение машинного обучения на устройстве, с помощью путей обучения, которые предоставляют пошаговые руководства для распространенных случаев использования, включая классификацию звука, визуальный поиск продуктов и многое другое.
Узнайте, как развертывать модели глубокого обучения на мобильных и встроенных устройствах с помощью TensorFlow Lite, из этого курса, разработанного командой TensorFlow и Udacity в качестве практического подхода к развертыванию моделей для разработчиков программного обеспечения.
Узнайте, как собрать производственную конвейерную систему с помощью TFX. Мы быстро рассмотрим все, от сбора данных, построения модели до развертывания и управления.
Эта книга проведет вас через этапы автоматизации конвейера машинного обучения с использованием экосистемы TensorFlow. Примеры машинного обучения в этой книге основаны на TensorFlow и Keras, но основные концепции можно применить к любой среде.
Глубокое обучение.ИИ
Специализация «Машинное обучение для производства» (MLOPs)Расширьте свои возможности производственной инженерии в этой специализации из четырех курсов. Узнайте, как концептуализировать, создавать и поддерживать интегрированные системы, которые непрерывно работают в производственной среде.
Этот расширенный курс охватывает компоненты TFX, оркестровку и автоматизацию конвейера, а также способы управления метаданными машинного обучения с помощью Google Cloud.
ИИ, ориентированный на человека
При разработке модели машинного обучения или создании приложений на основе ИИ важно учитывать людей, взаимодействующих с продуктом, и лучший способ обеспечить справедливость, интерпретируемость, конфиденциальность и безопасность в этих системах ИИ.
Узнайте, как интегрировать методы ответственного ИИ в рабочий процесс машинного обучения с помощью TensorFlow.
Это руководство от Google поможет вам создавать продукты искусственного интеллекта, ориентированные на человека. Это позволит вам избежать распространенных ошибок, разработать отличные интерфейсы и сосредоточиться на людях при создании приложений на основе ИИ.
Этот часовой модуль в рамках MLCC Google знакомит учащихся с различными типами человеческих предубеждений, которые могут проявляться в обучающих данных, а также со стратегиями выявления и оценки их последствий.