Освой свой путь
Чтобы стать экспертом в области машинного обучения, вам сначала понадобится прочный фундамент в четырех областях обучения : программирование, математика, теория машинного обучения и способы создания собственного проекта машинного обучения от начала до конца.
Начните с курируемых учебных программ TensorFlow, чтобы улучшить эти четыре навыка, или выберите свой собственный путь обучения, изучив нашу библиотеку ресурсов ниже.
Четыре области машинного обучения
Начиная свой образовательный путь, важно сначала понять, как изучать ML. Мы разделили процесс обучения на четыре области знаний, каждая из которых представляет собой основную часть головоломки машинного обучения. 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 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 учебных программ, содержащих рекомендуемые курсы, книги и видео.
Изучите основы машинного обучения с помощью этой коллекции книг и онлайн-курсов. Вы познакомитесь с машинным обучением с помощью scikit-learn, пройдете через глубокое обучение с использованием TensorFlow 2.0, а затем у вас будет возможность попрактиковаться в том, что вы изучаете, с помощью руководств для начинающих.
Как только вы поймете основы машинного обучения, выведите свои способности на новый уровень, погрузившись в теоретическое понимание нейронных сетей, глубокого обучения и улучшив свои знания основных математических концепций.
Изучите основы разработки моделей машинного обучения на JavaScript и способы их развертывания прямо 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 теоретические знания, необходимые для более быстрого изучения новых концепций в будущем.
В этой вводной книге представлен подход, основанный на коде, чтобы узнать, как реализовать наиболее распространенные сценарии машинного обучения, такие как компьютерное зрение, обработка естественного языка (NLP) и моделирование последовательности для веб, мобильных устройств, облачных сред и встроенных сред выполнения.
Эта книга представляет собой практическое введение в глубокое обучение с помощью Keras.
Используя конкретные примеры, минимальную теорию и две готовые к работе среды Python - Scikit-Learn и TensorFlow - эта книга поможет вам получить интуитивное понимание концепций и инструментов для построения интеллектуальных систем.
Этот учебник по глубокому обучению - это ресурс, предназначенный для помощи студентам и практикам в области машинного обучения в целом и глубокого обучения в частности.
Эта книга дает теоретические знания о нейронных сетях. Он не использует TensorFlow, но является отличным справочником для студентов, заинтересованных в получении дополнительных знаний.
Написанная основными авторами библиотеки TensorFlow, эта книга предоставляет увлекательные примеры использования и подробные инструкции для приложений глубокого обучения на JavaScript в вашем браузере или на Node.
Многократные онлайн-курсы
Посещение онлайн-курса, состоящего из нескольких частей, - хороший способ изучить базовые концепции машинного обучения. Многие курсы предоставляют отличные наглядные объяснения и инструменты, необходимые для начала применения машинного обучения непосредственно на работе или в ваших личных проектах.
Вы научились создавать и обучать модели. Теперь научитесь ориентироваться в различных сценариях развертывания и более эффективно использовать данные для обучения своей модели с помощью этой специализации из четырех курсов.
Этот курс, разработанный в сотрудничестве с командой TensorFlow, является частью специализации «Практика TensorFlow» и научит вас лучшим практикам использования TensorFlow.
В этом онлайн-курсе, разработанном командой TensorFlow и Udacity, вы узнаете, как создавать приложения для глубокого обучения с помощью TensorFlow.
В этой специализации из четырех курсов, которую преподает разработчик TensorFlow, вы изучите инструменты и программное обеспечение, которые разработчики используют для создания масштабируемых алгоритмов на базе искусственного интеллекта в TensorFlow.
На пяти курсах вы изучите основы глубокого обучения, поймете, как создавать нейронные сети, а также научитесь 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.
Этот курс представляет собой глубокое погружение в детали архитектур глубокого обучения с акцентом на изучение сквозных моделей для задач компьютерного зрения, в частности классификации изображений. Изучите видео лекций, слайды и прошлые заметки о программах из предыдущих итераций курса.
В этом курсе Массачусетского технологического института вы получите базовые знания об алгоритмах глубокого обучения и получите практический опыт построения нейронных сетей в TensorFlow.
Другие источники
Для мобильных и веб-разработчиков, а также пользователей, желающих создавать производственные конвейеры, мы собрали наши любимые ресурсы, которые помогут вам начать работу, включая наши библиотеки и фреймворки TensorFlow, соответствующие вашим потребностям.
Используя deeplearn.js, узнайте, как системы глубокого обучения учатся, и исследуйте, как они думают.
Серия из трех частей, в которой рассматриваются как обучение, так и выполнение моделей машинного обучения с помощью TensorFlow.js, а также показано, как создать модель машинного обучения на JavaScript, которая выполняется непосредственно в браузере.
Этот видео-плейлист, являющийся частью большой серии по машинному обучению и построению нейронных сетей, посвящен TensorFlow.js, базовому API и тому, как использовать библиотеку JavaScript для обучения и развертывания моделей машинного обучения.
В этой серии статей представлена концепция клиентских искусственных нейронных сетей. Узнайте об архитектурах глубокого обучения клиент-сервер, преобразовании моделей Keras в модели TFJS, обслуживании моделей с помощью Node.js, обучении и передаче обучения в браузере и многом другом.
Серия из пяти частей от команды TensorFlow об использовании TensorFlow Extended (TFX) для создания собственных производственных конвейеров машинного обучения.
Этот сеанс от Google I / O расскажет о различных вариантах использования машинного обучения для улучшения мобильных приложений и периферийных устройств. Узнайте, как TensorFlow Lite можно использовать для обучения моделей и как использовать их на различных устройствах.
Математические концепции
Чтобы углубить свои знания машинного обучения, эти ресурсы могут помочь вам понять основные математические концепции, необходимые для продвижения на более высоком уровне.
Ускоренный курс машинного обучения с API-интерфейсами TensorFlow - это руководство для начинающих практиков машинного обучения. Он включает серию уроков с видеолекциями, практическими примерами и практическими упражнениями.
Эта онлайн-специализация от Coursera направлена на преодоление разрыва между математикой и машинным обучением, знакомство с основной математикой для создания интуитивного понимания и увязки ее с машинным обучением и наукой о данных.
3blue1brown сосредотачивается на представлении математики с визуальным подходом. В этой серии видео вы узнаете основы нейронной сети и ее работу с помощью математических понятий.
Серия коротких визуальных видеороликов от 3blue1brown, которые объясняют геометрическое понимание матриц, определителей, собственных материалов 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, детерминанты, собственные значения, подобие и положительно определенные матрицы.
Этот вводный курс математики Массачусетского технологического института охватывает дифференцирование и интегрирование функций одной переменной с приложениями.
Визуальное введение в вероятность и статистику.
Эта книга предоставляет доступный обзор области статистического обучения, важный набор инструментов для понимания огромного и сложного мира наборов данных, необходимых для обучения моделей машинному обучению.
Человеческий ИИ
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 практики ответственного ИИ в рабочий процесс машинного обучения с помощью TensorFlow.
Это руководство от Google поможет вам создавать продукты ИИ, ориентированные на человека. Это позволит вам избежать типичных ошибок, создать отличный опыт и сосредоточиться на людях при создании приложений на основе искусственного интеллекта.
Этот часовой модуль в MLCC Google знакомит учащихся с различными типами человеческих предубеждений, которые могут проявляться в данных обучения, а также со стратегиями выявления и оценки их эффектов.