Освой свой путь
Для того, чтобы стать экспертом в области машинного обучения, в первую очередь необходимо прочный фундамент в четырех областях обучения : кодирование, математику, теорию ML, и как создать свой собственный проект ML от начала до конца.
Начните с TensorFlow в Куратор учебных программ , чтобы улучшить эти четыре навыков, или выбрать свой собственный путь обучения, исследуя 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 последовательностей для веб-приложений, 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.
Практический сквозной подход к основам TensorFlow.js для широкой технической аудитории. Прочитав эту книгу, вы узнаете, как создавать и развертывать готовые к работе системы глубокого обучения с помощью TensorFlow.js.
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.
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.
DeepLearning.AI
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 лучшим практикам использования TensorFlow.
В этом онлайн-курсе, разработанном командой TensorFlow и Udacity, вы узнаете, как создавать приложения для глубокого обучения с помощью TensorFlow.
DeepLearning.AI
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 базе искусственного интеллекта в TensorFlow.
Разработчики Google
Ускоренный курс машинного обученияУскоренный 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.
В этом курсе от Массачусетского технологического института вы получите базовые знания об алгоритмах глубокого обучения и получите практический опыт построения нейронных сетей в TensorFlow.
DeepLearning.AI
Специализация по глубокому обучениюНа 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.
DeepLearning.AI
TensorFlow: специализация по данным и развертываниюВы 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.
DeepLearning.AI
TensorFlow: специализация по продвинутым технологиямЭта специализация предназначена для инженеров программного обеспечения и машинного обучения с основополагающим пониманием TensorFlow, которые хотят расширить свои знания и навыки, изучая расширенные функции TensorFlow для создания мощных моделей.
Математические концепции
Чтобы углубить свои знания машинного обучения, эти ресурсы могут помочь вам понять основные математические концепции, необходимые для продвижения на более высоком уровне.
Линейная алгебра для машинного обучения с высоты птичьего полета. Никогда не изучали линейную алгебру или не разбирались в основах, но хотите понять, как она используется в машинном обучении? Тогда это видео для вас.
Имперский колледж Лондон
Математика для специализации машинного обученияЭта 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.
Ресурсы TensorFlow
Мы собрали наши любимые ресурсы, которые помогут вам начать работу с библиотеками и фреймворками TensorFlow, соответствующими вашим потребностям. Перейти к нашей секции для TensorFlow.js , TensorFlow Lite и TensorFlow Extended .
Вы также можете просмотреть официальное TensorFlow руководство и учебники для последних примеров и colabs.
Основы машинного обучения - это бесплатный учебный курс, на котором вы изучите основы построения моделей машинного обучения с использованием TensorFlow.
Этот технический доклад по ML разработан для тех, кто знает основы машинного обучения, но нуждается в обзоре основ TensorFlow (тензоры, переменные и градиенты без использования высокоуровневых API).
Этот доклад ML Tech Talk включает в себя изучение представлений, семейства нейронных сетей и их приложений, первый взгляд на глубокую нейронную сеть и множество примеров кода и концепций от TensorFlow.
В этой серии статей команда TensorFlow рассматривает различные части TensorFlow с точки зрения программирования, с видео по использованию высокоуровневых API TensorFlow, обработке естественного языка, нейронно-структурированному обучению и многому другому.
Научитесь определять наиболее распространенные варианты использования машинного обучения, включая анализ мультимедиа, создание интеллектуального поиска, преобразование данных и то, как быстро встроить их в свое приложение с помощью удобных инструментов.
Практический сквозной подход к основам TensorFlow.js для широкой технической аудитории. Прочитав эту книгу, вы узнаете, как создавать и развертывать готовые к работе системы глубокого обучения с помощью TensorFlow.js.
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.
Для мобильных устройств и Интернета вещей
Исследуйте все ресурсы на TensorFlow Lite .
Разработчики Google
Машинное обучение на устройствеУзнайте, как создать свое первое приложение машинного обучения на устройстве, с помощью учебных программ, которые предоставляют пошаговые руководства для распространенных случаев использования, включая классификацию аудио, визуальный поиск продукта 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.
Получите практическое представление о том, как собрать производственную конвейерную систему с 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 платформе.
DeepLearning.AI
Специализация машинного обучения для производства (MLOps)Расширьте свои производственные возможности 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 конвейеров и автоматизацию, а также способы управления метаданными машинного обучения с помощью Google Cloud.
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.