ควบคุมเส้นทางของคุณ
ในการเป็นผู้เชี่ยวชาญด้านแมชชีนเลิร์นนิง ก่อนอื่นคุณต้องมีพื้นฐานที่แข็งแกร่งใน สี่ส่วนการเรียนรู้ ได้แก่ การเขียนโค้ด คณิตศาสตร์ ทฤษฎี ML และวิธีสร้างโปรเจ็กต์ ML ของคุณเองตั้งแต่ต้นจนจบ
เริ่มต้นด้วยหลักสูตรที่รวบรวมไว้ของ TensorFlow เพื่อพัฒนาทักษะทั้งสี่นี้ หรือเลือกเส้นทางการเรียนรู้ของคุณเองโดยสำรวจ ไลบรารีทรัพยากร ด้านล่าง
สี่ด้านของการเรียนรู้ด้วยแมชชีนเลิร์นนิง
เมื่อเริ่มต้นเส้นทางการศึกษา สิ่งสำคัญคือต้องเข้าใจวิธีเรียนรู้ ML ก่อน เราได้แบ่งกระบวนการเรียนรู้ออกเป็นสี่ด้านของความรู้ โดยแต่ละส่วนจะมีส่วนพื้นฐานของปริศนา ML เพื่อช่วยคุณในเส้นทางของคุณ เราได้ระบุหนังสือ วิดีโอ และหลักสูตรออนไลน์ที่จะยกระดับความสามารถของคุณ และเตรียมคุณใช้ ML สำหรับโครงการของคุณ เริ่มต้นด้วยหลักสูตรแนะนำของเราที่ออกแบบมาเพื่อเพิ่มพูนความรู้ของคุณ หรือเลือกเส้นทางของคุณเองโดยสำรวจห้องสมุดทรัพยากรของเรา
หลักสูตร TensorFlow
เริ่มเรียนรู้ด้วยหลักสูตรแนะนำของเราที่มีหลักสูตร หนังสือ และวิดีโอแนะนำ
เรียนรู้พื้นฐานของ ML ด้วยหนังสือและหลักสูตรออนไลน์ชุดนี้ คุณจะได้รับการแนะนำให้รู้จักกับ ML และแนะนำผ่านการเรียนรู้เชิงลึกโดยใช้ TensorFlow 2.0 จากนั้นคุณจะมีโอกาสฝึกฝนสิ่งที่คุณเรียนรู้ด้วยบทช่วยสอนสำหรับผู้เริ่มต้น
เมื่อคุณเข้าใจพื้นฐานของแมชชีนเลิร์นนิงแล้ว ให้ยกระดับความสามารถของคุณไปอีกระดับด้วยการทำความเข้าใจเชิงทฤษฎีเกี่ยวกับโครงข่ายประสาทเทียม การเรียนรู้เชิงลึก และปรับปรุงความรู้ของคุณเกี่ยวกับแนวคิดทางคณิตศาสตร์ที่เป็นพื้นฐาน
เรียนรู้พื้นฐานของการพัฒนาโมเดลการเรียนรู้ของเครื่องใน JavaScript และวิธีปรับใช้โดยตรงในเบราว์เซอร์ คุณจะได้รับคำแนะนำระดับสูงเกี่ยวกับการเรียนรู้เชิงลึกและวิธีเริ่มต้นใช้งาน TensorFlow.js ผ่านแบบฝึกหัดภาคปฏิบัติ
แหล่งการศึกษา
เลือกเส้นทางการเรียนรู้ของคุณเอง และสำรวจหนังสือ หลักสูตร วิดีโอ และแบบฝึกหัดที่แนะนำโดยทีม TensorFlow เพื่อสอนพื้นฐานของ ML
หนังสือ
การอ่านเป็นวิธีที่ดีที่สุดวิธีหนึ่งในการทำความเข้าใจพื้นฐานของ ML และการเรียนรู้เชิงลึก หนังสือสามารถให้ความเข้าใจเชิงทฤษฎีที่จำเป็นแก่คุณเพื่อช่วยให้คุณเรียนรู้แนวคิดใหม่ได้รวดเร็วยิ่งขึ้นในอนาคต
หนังสือแนะนำเล่มนี้ให้แนวทางที่เน้นโค้ดเป็นหลักในการเรียนรู้วิธีใช้สถานการณ์จำลอง ML ที่พบบ่อยที่สุด เช่น คอมพิวเตอร์วิทัศน์ การประมวลผลภาษาธรรมชาติ (NLP) และการสร้างแบบจำลองลำดับสำหรับเว็บ อุปกรณ์เคลื่อนที่ คลาวด์ และรันไทม์แบบฝัง
หนังสือเล่มนี้เป็นหนังสือแนะนำ Deep Learning กับ Keras ที่นำไปปฏิบัติได้จริง
การใช้ตัวอย่างที่เป็นรูปธรรม ทฤษฎีขั้นต่ำ และสองเฟรมเวิร์ก Python ที่พร้อมสำหรับการผลิต—Scikit-Learn และ TensorFlow— หนังสือเล่มนี้ช่วยให้คุณเข้าใจแนวคิดและเครื่องมือโดยสัญชาตญาณสำหรับการสร้างระบบอัจฉริยะ
หนังสือเรียน Deep Learning เล่มนี้เป็นแหล่งข้อมูลเพื่อช่วยให้นักเรียนและผู้ปฏิบัติงานเข้าสู่สาขาการเรียนรู้ของเครื่องโดยทั่วไป และโดยเฉพาะอย่างยิ่งการเรียนรู้เชิงลึก
หนังสือเล่มนี้ให้พื้นฐานทางทฤษฎีเกี่ยวกับโครงข่ายประสาทเทียม ไม่ได้ใช้ TensorFlow แต่เป็นข้อมูลอ้างอิงที่ดีสำหรับนักเรียนที่สนใจเรียนรู้เพิ่มเติม
วิธีการแบบ end-to-end แบบลงมือปฏิบัติจริงสำหรับพื้นฐาน TensorFlow.js สำหรับผู้ชมทางเทคนิคในวงกว้าง เมื่อคุณทำหนังสือเล่มนี้เสร็จแล้ว คุณจะรู้วิธีสร้างและปรับใช้ระบบการเรียนรู้เชิงลึกที่พร้อมสำหรับการผลิตด้วย TensorFlow.js
เขียนโดยผู้เขียนหลักของห้องสมุด TensorFlow หนังสือเล่มนี้มีกรณีการใช้งานที่น่าสนใจและคำแนะนำเชิงลึกสำหรับแอปการเรียนรู้เชิงลึกใน JavaScript ในเบราว์เซอร์ของคุณหรือบน Node
คอร์สออนไลน์
การเรียนหลักสูตรออนไลน์แบบหลายส่วนเป็นวิธีที่ดีในการเรียนรู้แนวคิดพื้นฐานของ ML หลายหลักสูตรมีคำอธิบายภาพที่ยอดเยี่ยม และเครื่องมือที่จำเป็นในการเริ่มใช้การเรียนรู้ของเครื่องโดยตรงในที่ทำงาน หรือกับโครงการส่วนตัวของคุณ
DeepLearning.AI
ข้อมูลเบื้องต้นเกี่ยวกับ TensorFlow สำหรับ AI, ML และการเรียนรู้เชิงลึกหลักสูตรนี้ได้รับการพัฒนาร่วมกับทีม TensorFlow โดยเป็นส่วนหนึ่งของ TensorFlow Developer Specialization และจะสอนแนวทางปฏิบัติที่ดีที่สุดสำหรับการใช้ TensorFlow ให้กับคุณ
ในหลักสูตรออนไลน์นี้พัฒนาโดยทีม TensorFlow และ Udacity คุณจะได้เรียนรู้วิธีสร้างแอปพลิเคชันการเรียนรู้เชิงลึกด้วย TensorFlow
DeepLearning.AI
TensorFlow Developer Specializationในความเชี่ยวชาญพิเศษสี่หลักสูตรที่สอนโดยนักพัฒนา TensorFlow คุณจะสำรวจเครื่องมือและนักพัฒนาซอฟต์แวร์ที่ใช้เพื่อสร้างอัลกอริธึมที่ขับเคลื่อนด้วย AI ที่ปรับขนาดได้ใน TensorFlow
Google Developers
หลักสูตรความผิดพลาดของการเรียนรู้ของเครื่องหลักสูตรความผิดพลาดของแมชชีนเลิร์นนิงพร้อม TensorFlow APIs เป็นคู่มือการเรียนรู้ด้วยตนเองสำหรับผู้ปฏิบัติงานด้านแมชชีนเลิร์นนิงที่ต้องการ มีชุดบทเรียนพร้อมวิดีโอบรรยาย กรณีศึกษาในโลกแห่งความเป็นจริง และแบบฝึกหัดภาคปฏิบัติ
ในหลักสูตรนี้จาก MIT คุณจะได้รับความรู้พื้นฐานเกี่ยวกับอัลกอริธึมการเรียนรู้เชิงลึกและรับประสบการณ์จริงในการสร้างเครือข่ายประสาทใน TensorFlow
DeepLearning.AI
ความเชี่ยวชาญด้านการเรียนรู้เชิงลึกในห้าหลักสูตร คุณจะได้เรียนรู้พื้นฐานของ Deep Learning เข้าใจวิธีสร้างโครงข่ายประสาทเทียม และเรียนรู้วิธีนำโครงการการเรียนรู้ของเครื่องที่ประสบความสำเร็จและสร้างอาชีพใน AI คุณจะเชี่ยวชาญไม่เพียงแค่ทฤษฎีเท่านั้น แต่ยังดูว่ามันถูกนำไปใช้ในอุตสาหกรรมอย่างไร
DeepLearning.AI
TensorFlow: ความเชี่ยวชาญด้านข้อมูลและการปรับใช้คุณได้เรียนรู้วิธีการสร้างและฝึกโมเดล ตอนนี้เรียนรู้ที่จะสำรวจสถานการณ์การปรับใช้ต่างๆ และใช้ข้อมูลอย่างมีประสิทธิภาพมากขึ้นในการฝึกโมเดลของคุณในความเชี่ยวชาญพิเศษสี่หลักสูตรนี้
DeepLearning.AI
TensorFlow: ความเชี่ยวชาญด้านเทคนิคขั้นสูงความเชี่ยวชาญพิเศษนี้มีไว้สำหรับวิศวกรซอฟต์แวร์และ ML ที่มีความเข้าใจพื้นฐานเกี่ยวกับ TensorFlow ที่ต้องการเพิ่มพูนความรู้และทักษะที่กำหนดโดยการเรียนรู้คุณลักษณะ TensorFlow ขั้นสูงเพื่อสร้างโมเดลที่มีประสิทธิภาพ
เรียนรู้ว่าคุณจะจับตาดูการค้นคว้าที่ทันสมัยของคุณได้อย่างไร หรือมอบพลังพิเศษในเว็บแอปของคุณในการทำงานในอนาคตให้กับลูกค้าของคุณหรือบริษัทที่คุณทำงานด้วยด้วยแมชชีนเลิร์นนิงบนเว็บ
แนวคิดทางคณิตศาสตร์
เพื่อเจาะลึกความรู้ ML ของคุณ แหล่งข้อมูลเหล่านี้สามารถช่วยให้คุณเข้าใจแนวคิดทางคณิตศาสตร์พื้นฐานที่จำเป็นสำหรับความก้าวหน้าในระดับที่สูงขึ้น
มุมมองมุมสูงของพีชคณิตเชิงเส้นสำหรับการเรียนรู้ของเครื่อง ไม่เคยใช้พีชคณิตเชิงเส้นหรือรู้เพียงเล็กน้อยเกี่ยวกับพื้นฐาน และต้องการทราบว่ามันถูกนำมาใช้ใน ML อย่างไร จากนั้นวิดีโอนี้เหมาะสำหรับคุณ
อิมพีเรียลคอลเลจลอนดอน
คณิตศาสตร์สำหรับความเชี่ยวชาญด้านการเรียนรู้ของเครื่องความเชี่ยวชาญพิเศษออนไลน์จาก Coursera นี้มีจุดมุ่งหมายเพื่อลดช่องว่างของคณิตศาสตร์และการเรียนรู้ของเครื่อง ช่วยให้คุณเรียนรู้คณิตศาสตร์พื้นฐานได้อย่างรวดเร็ว เพื่อสร้างความเข้าใจโดยสัญชาตญาณ และเกี่ยวข้องกับการเรียนรู้ของเครื่องและวิทยาศาสตร์ข้อมูล
3blue1brown เน้นที่การนำเสนอคณิตศาสตร์ด้วยวิธีที่เน้นภาพเป็นหลัก ในซีรีส์วิดีโอนี้ คุณจะได้เรียนรู้พื้นฐานของโครงข่ายประสาทเทียมและวิธีการทำงานผ่านแนวคิดทางคณิตศาสตร์
ชุดวิดีโอสั้นๆ จาก 3blue1brown ที่อธิบายความเข้าใจทางเรขาคณิตของเมทริกซ์ ดีเทอร์มิแนนต์ ส่วนประกอบไอเกน และอื่นๆ
ชุดวิดีโอสั้นๆ จาก 3blue1brown ที่อธิบายพื้นฐานของแคลคูลัสในลักษณะที่ทำให้คุณเข้าใจทฤษฎีบทพื้นฐานอย่างถ่องแท้ ไม่ใช่แค่ว่าสมการทำงานอย่างไร
หลักสูตรเบื้องต้นจาก MIT ครอบคลุมทฤษฎีเมทริกซ์และพีชคณิตเชิงเส้น เน้นไปที่หัวข้อที่จะเป็นประโยชน์ในสาขาวิชาอื่น ๆ รวมทั้งระบบของสมการ ปริภูมิเวกเตอร์ ดีเทอร์มิแนนต์ ค่าลักษณะเฉพาะ ความคล้ายคลึงกัน และเมทริกซ์แน่นอนบวก
หลักสูตรแคลคูลัสเบื้องต้นจาก MIT ครอบคลุมการสร้างความแตกต่างและการรวมฟังก์ชันของตัวแปรตัวเดียวเข้ากับการใช้งาน
หนังสือเล่มนี้ให้ภาพรวมที่เข้าถึงได้ของสาขาวิชาการเรียนรู้ทางสถิติ ซึ่งเป็นชุดเครื่องมือที่จำเป็นสำหรับการทำความเข้าใจโลกที่กว้างใหญ่และซับซ้อนของชุดข้อมูลที่จำเป็นในการฝึกโมเดลในการเรียนรู้ของเครื่อง
ทรัพยากร TensorFlow
เราได้รวบรวมแหล่งข้อมูลที่เราชื่นชอบเพื่อช่วยคุณในการเริ่มต้นใช้งานไลบรารี TensorFlow และเฟรมเวิร์กที่ตรงกับความต้องการของคุณ ข้ามไปที่ส่วนของเราสำหรับ TensorFlow.js , TensorFlow Lite และ TFX
คุณยังสามารถเรียกดู คู่มือ และบทช่วย สอน อย่างเป็นทางการของ TensorFlow เพื่อดูตัวอย่างและ colab ล่าสุดได้
Machine Learning Foundations เป็นหลักสูตรฝึกอบรมฟรีที่คุณจะได้เรียนรู้พื้นฐานของการสร้างแบบจำลองการเรียนรู้ของเครื่องโดยใช้ TensorFlow
ML Tech Talk นี้ออกแบบมาสำหรับผู้ที่รู้พื้นฐานของ Machine Learning แต่ต้องการภาพรวมเกี่ยวกับพื้นฐานของ TensorFlow (เทนเซอร์ ตัวแปร และการไล่ระดับสีโดยไม่ต้องใช้ API ระดับสูง)
ML Tech Talk นี้ประกอบด้วยการเรียนรู้แบบเป็นตัวแทน กลุ่มของโครงข่ายประสาทเทียมและแอปพลิเคชันต่างๆ ดูครั้งแรกภายในเครือข่ายนิวรัลเชิงลึก และตัวอย่างโค้ดและแนวคิดมากมายจาก TensorFlow
ในชุดนี้ ทีม TensorFlow จะพิจารณาส่วนต่างๆ ของ TensorFlow จากมุมมองของการเข้ารหัส พร้อมวิดีโอสำหรับการใช้ API ระดับสูงของ TensorFlow การประมวลผลภาษาธรรมชาติ การเรียนรู้ที่มีโครงสร้างทางประสาท และอื่นๆ
เรียนรู้ที่จะระบุกรณีการใช้งาน ML ที่พบบ่อยที่สุด รวมถึงการวิเคราะห์มัลติมีเดีย การสร้างการค้นหาอัจฉริยะ การแปลงข้อมูล และวิธีสร้างลงในแอปของคุณอย่างรวดเร็วด้วยเครื่องมือที่ใช้งานง่าย
วิธีการแบบ end-to-end แบบลงมือปฏิบัติจริงสำหรับพื้นฐาน TensorFlow.js สำหรับผู้ชมทางเทคนิคในวงกว้าง เมื่อคุณทำหนังสือเล่มนี้เสร็จแล้ว คุณจะรู้วิธีสร้างและปรับใช้ระบบการเรียนรู้เชิงลึกที่พร้อมสำหรับการผลิตด้วย TensorFlow.js
ซีรีส์ 3 ส่วนที่สำรวจทั้งการฝึกและดำเนินการโมเดลที่เรียนรู้ด้วยเครื่องด้วย TensorFlow.js และแสดงวิธีสร้างโมเดลการเรียนรู้ของเครื่องใน JavaScript ที่ดำเนินการโดยตรงในเบราว์เซอร์
เปลี่ยนจากศูนย์เป็นฮีโร่ด้วยเว็บ ML โดยใช้ TensorFlow.js เรียนรู้วิธีสร้างเว็บแอปรุ่นต่อไปที่สามารถเรียกใช้ฝั่งไคลเอ็นต์และใช้กับอุปกรณ์เกือบทุกชนิด
เพลย์ลิสต์วิดีโอนี้เป็นส่วนหนึ่งของซีรีส์ที่ใหญ่กว่าเกี่ยวกับการเรียนรู้ของเครื่องและการสร้างเครือข่ายประสาท โดยเน้นที่ TensorFlow.js, API หลัก และวิธีใช้ไลบรารี JavaScript เพื่อฝึกและปรับใช้โมเดล ML
Google Developers
การเรียนรู้ของเครื่องในอุปกรณ์เรียนรู้วิธีสร้างแอป ML บนอุปกรณ์ตัวแรกของคุณผ่านเส้นทางการเรียนรู้ที่ให้คำแนะนำทีละขั้นตอนสำหรับกรณีการใช้งานทั่วไป ซึ่งรวมถึงการจัดประเภทเสียง การค้นหาผลิตภัณฑ์ด้วยภาพ และอื่นๆ
เรียนรู้วิธีปรับใช้โมเดลการเรียนรู้เชิงลึกบนอุปกรณ์เคลื่อนที่และอุปกรณ์ฝังตัวด้วย TensorFlow Lite ในหลักสูตรนี้ ซึ่งพัฒนาโดยทีม TensorFlow และ Udacity เพื่อเป็นแนวทางปฏิบัติในการปรับใช้โมเดลสำหรับนักพัฒนาซอฟต์แวร์
สัมผัสประสบการณ์จริงในการรวมระบบไปป์ไลน์การผลิตกับ TFX เราจะครอบคลุมทุกอย่างอย่างรวดเร็วตั้งแต่การได้มาซึ่งข้อมูล การสร้างแบบจำลอง ไปจนถึงการปรับใช้งานและการจัดการ
หนังสือเล่มนี้จะแนะนำคุณเกี่ยวกับขั้นตอนในการทำให้ไปป์ไลน์ ML ทำงานอัตโนมัติโดยใช้ระบบนิเวศ TensorFlow ตัวอย่างแมชชีนเลิร์นนิงในหนังสือเล่มนี้อิงตาม TensorFlow และ Keras แต่แนวคิดหลักสามารถนำไปใช้กับเฟรมเวิร์กใดก็ได้
DeepLearning.AI
วิศวกรรมการเรียนรู้ของเครื่องสำหรับความเชี่ยวชาญในการผลิต (MLOps)ขยายขีดความสามารถด้านวิศวกรรมการผลิตของคุณในความเชี่ยวชาญพิเศษสี่หลักสูตรนี้ เรียนรู้วิธีสร้างแนวคิด สร้าง และบำรุงรักษาระบบแบบบูรณาการที่ทำงานอย่างต่อเนื่องในการผลิต
หลักสูตรขั้นสูงนี้ครอบคลุมส่วนประกอบ TFX, การประสานไปป์ไลน์และระบบอัตโนมัติ และวิธีจัดการข้อมูลเมตา ML ด้วย Google Cloud
AI ที่มีมนุษย์เป็นศูนย์กลาง
เมื่อออกแบบโมเดล ML หรือสร้างแอปพลิเคชันที่ขับเคลื่อนด้วย AI สิ่งสำคัญคือต้องพิจารณาผู้คนที่โต้ตอบกับผลิตภัณฑ์ และวิธีที่ดีที่สุดในการสร้างความเป็นธรรม การตีความ ความเป็นส่วนตัว และความปลอดภัยในระบบ AI เหล่านี้
เรียนรู้วิธีผสานรวมแนวปฏิบัติ AI ที่มีความรับผิดชอบเข้ากับเวิร์กโฟลว์ ML ของคุณโดยใช้ TensorFlow
คู่มือเล่มนี้จาก Google จะช่วยคุณสร้างผลิตภัณฑ์ AI ที่มีมนุษย์เป็นศูนย์กลาง จะช่วยให้คุณหลีกเลี่ยงข้อผิดพลาดทั่วไป ออกแบบประสบการณ์ที่ยอดเยี่ยม และมุ่งเน้นที่ผู้คนเมื่อคุณสร้างแอปพลิเคชันที่ขับเคลื่อนด้วย AI
โมดูลหนึ่งชั่วโมงนี้ภายใน MLCC ของ Google จะแนะนำให้ผู้เรียนรู้จักกับอคติของมนุษย์ประเภทต่างๆ ที่อาจปรากฏในข้อมูลการฝึกอบรม ตลอดจนกลยุทธ์ในการระบุและประเมินผลกระทบ