Google is committed to advancing racial equity for Black communities. See how.

ควบคุมเส้นทางของคุณ

ที่จะกลายเป็นผู้เชี่ยวชาญในการเรียนรู้ของเครื่องคุณต้องมีรากฐานที่แข็งแกร่งใน สี่พื้นที่การเรียนรู้ : การเขียนโปรแกรมคณิตศาสตร์ทฤษฎี ML และวิธีการสร้างโครงการ ML ของคุณเองตั้งแต่ต้นจนจบ

เริ่มต้นด้วย TensorFlow ของ หลักสูตรการดูแลจัดการ เพื่อปรับปรุงทักษะทั้งสี่เหล่านี้หรือเลือกเส้นทางการเรียนรู้ของคุณเองโดยการสำรวจของเรา ทรัพยากรห้องสมุด ด้านล่าง

สี่ด้านของการเรียนรู้ด้วยแมชชีนเลิร์นนิง

เมื่อเริ่มต้นเส้นทางการศึกษา สิ่งสำคัญคือต้องเข้าใจวิธีเรียนรู้ ML ก่อน เราได้แบ่งกระบวนการเรียนรู้ออกเป็นสี่ด้านของความรู้ โดยแต่ละส่วนจะมีส่วนพื้นฐานของปริศนา ML เพื่อช่วยคุณในเส้นทางของคุณ เราได้ระบุหนังสือ วิดีโอ และหลักสูตรออนไลน์ที่จะยกระดับความสามารถของคุณ และเตรียมคุณใช้ ML สำหรับโครงการของคุณ เริ่มต้นด้วยหลักสูตรแนะนำของเราที่ออกแบบมาเพื่อเพิ่มพูนความรู้ของคุณ หรือเลือกเส้นทางของคุณเองโดยสำรวจห้องสมุดทรัพยากรของเรา

  • ทักษะการเข้ารหัส: โมเดลอาคาร ML เกี่ยวข้องมากขึ้นกว่าเพียงแค่รู้แนวคิด ML-มันต้องมีการเข้ารหัสเพื่อที่จะทำการจัดการข้อมูลการปรับแต่งพารามิเตอร์และการแยกผลที่จำเป็นในการทดสอบและการเพิ่มประสิทธิภาพของรูปแบบของคุณ

  • คณิตศาสตร์และสถิติ: ML เป็นวินัยทางคณิตศาสตร์หนักดังนั้นหากคุณวางแผนที่จะปรับเปลี่ยนรูปแบบ ML หรือสร้างใหม่จากรอยขีดข่วนคุ้นเคยกับแนวคิดทางคณิตศาสตร์พื้นฐานเป็นสิ่งสำคัญในการประมวลผล

  • ทฤษฎี ML: รู้พื้นฐานของทฤษฎี ML ที่จะทำให้คุณรากฐานในการสร้างและช่วยให้คุณแก้ปัญหาเมื่อมีอะไรผิดพลาด

  • สร้างโครงการของคุณเอง: การเดินทางมือในประสบการณ์กับ ML เป็นวิธีที่ดีที่สุดที่จะนำความรู้ในการทดสอบจึงไม่ต้องกลัวที่จะดำน้ำในช่วงต้นด้วยง่าย Colab หรือ กวดวิชา ที่จะได้รับการปฏิบัติบาง

หลักสูตร TensorFlow

เริ่มเรียนรู้ด้วยหลักสูตรแนะนำของเราที่มีหลักสูตร หนังสือ และวิดีโอแนะนำ

สำหรับผู้เริ่มต้น
พื้นฐานของการเรียนรู้ของเครื่องด้วย TensorFlow

เรียนรู้พื้นฐานของ ML ด้วยหนังสือและหลักสูตรออนไลน์ชุดนี้ คุณจะได้รู้จัก ML ด้วย scikit-learn ผ่านการเรียนรู้เชิงลึกโดยใช้ TensorFlow 2.0 จากนั้นคุณจะมีโอกาสฝึกฝนสิ่งที่คุณเรียนรู้ด้วยบทช่วยสอนสำหรับผู้เริ่มต้น

สำหรับระดับกลางและผู้เชี่ยวชาญ
การเรียนรู้ของเครื่องเชิงทฤษฎีและขั้นสูงด้วย TensorFlow

เมื่อคุณเข้าใจพื้นฐานของแมชชีนเลิร์นนิงแล้ว ให้ยกระดับความสามารถของคุณไปอีกระดับด้วยการทำความเข้าใจเชิงทฤษฎีเกี่ยวกับโครงข่ายประสาทเทียม การเรียนรู้เชิงลึก และปรับปรุงความรู้ของคุณเกี่ยวกับแนวคิดทางคณิตศาสตร์ที่เป็นพื้นฐาน

สำหรับผู้เริ่มต้น
ความเชี่ยวชาญ: พื้นฐานของ TensorFlow สำหรับการพัฒนา JavaScript

เรียนรู้พื้นฐานของการพัฒนาโมเดลการเรียนรู้ของเครื่องใน JavaScript และวิธีปรับใช้โดยตรงในเบราว์เซอร์ คุณจะได้รับคำแนะนำระดับสูงเกี่ยวกับการเรียนรู้เชิงลึกและวิธีเริ่มต้นใช้งาน TensorFlow.js ผ่านแบบฝึกหัดภาคปฏิบัติ

แหล่งการศึกษา

เลือกเส้นทางการเรียนรู้ของคุณเอง และสำรวจหนังสือ หลักสูตร วิดีโอ และแบบฝึกหัดที่แนะนำโดยทีม TensorFlow เพื่อสอนพื้นฐานของ ML

หนังสือ

การอ่านเป็นวิธีที่ดีที่สุดวิธีหนึ่งในการทำความเข้าใจพื้นฐานของ ML และการเรียนรู้เชิงลึก หนังสือสามารถให้ความเข้าใจเชิงทฤษฎีที่จำเป็นแก่คุณเพื่อช่วยให้คุณเรียนรู้แนวคิดใหม่ได้รวดเร็วยิ่งขึ้นในอนาคต

หนังสือ
AI และการเรียนรู้ของเครื่องสำหรับ Coders: คู่มือโปรแกรมเมอร์สำหรับปัญญาประดิษฐ์ โดย Laurence Moroney

หนังสือแนะนำเล่มนี้ให้แนวทางที่เน้นโค้ดเป็นหลักในการเรียนรู้วิธีใช้สถานการณ์จำลอง ML ที่พบบ่อยที่สุด เช่น คอมพิวเตอร์วิทัศน์ การประมวลผลภาษาธรรมชาติ (NLP) และการสร้างแบบจำลองลำดับสำหรับเว็บ อุปกรณ์เคลื่อนที่ คลาวด์ และรันไทม์แบบฝัง

หนังสือ
การเรียนรู้อย่างลึกซึ้งด้วย Python โดย Francois Chollet

หนังสือเล่มนี้เป็นหนังสือแนะนำ Deep Learning กับ Keras ที่นำไปปฏิบัติได้จริง

หนังสือ
การเรียนรู้ด้วยเครื่องจริงด้วย Scikit-Learn, Keras และ TensorFlow ฉบับที่ 2 โดย Aurélien Géron

การใช้ตัวอย่างที่เป็นรูปธรรม ทฤษฎีขั้นต่ำ และสองเฟรมเวิร์ก Python ที่พร้อมสำหรับการผลิต—Scikit-Learn และ TensorFlow— หนังสือเล่มนี้ช่วยให้คุณเข้าใจแนวคิดและเครื่องมือโดยสัญชาตญาณสำหรับการสร้างระบบอัจฉริยะ

หนังสือ
การเรียนรู้อย่างลึกซึ้ง: หนังสือข่าวของ MIT โดย Ian Goodfellow, Yoshua Bengio และ Aaron Courville

หนังสือเรียน Deep Learning เล่มนี้เป็นแหล่งข้อมูลเพื่อช่วยให้นักเรียนและผู้ปฏิบัติงานเข้าสู่สาขาการเรียนรู้ของเครื่องโดยทั่วไป และโดยเฉพาะอย่างยิ่งการเรียนรู้เชิงลึก

หนังสือ
โครงข่ายประสาทเทียมและการเรียนรู้เชิงลึก โดย Michael Nielsen

หนังสือเล่มนี้ให้พื้นฐานทางทฤษฎีเกี่ยวกับโครงข่ายประสาทเทียม ไม่ได้ใช้ TensorFlow แต่เป็นข้อมูลอ้างอิงที่ดีสำหรับนักเรียนที่สนใจเรียนรู้เพิ่มเติม

หนังสือ
การเรียนรู้เชิงลึกด้วย JavaScript โดย Shanqing Cai, Stanley Bileschi, Eric D. Nielsen กับ Francois Cholet

เขียนโดยผู้เขียนหลักของห้องสมุด TensorFlow หนังสือเล่มนี้มีกรณีการใช้งานที่น่าสนใจและคำแนะนำเชิงลึกสำหรับแอปการเรียนรู้เชิงลึกใน JavaScript ในเบราว์เซอร์ของคุณหรือบน Node

หลักสูตรออนไลน์แบบหลายส่วน

การเรียนหลักสูตรออนไลน์แบบหลายส่วนเป็นวิธีที่ดีในการเรียนรู้แนวคิดพื้นฐานของ ML หลายหลักสูตรมีคำอธิบายภาพที่ยอดเยี่ยม และเครื่องมือที่จำเป็นในการเริ่มใช้การเรียนรู้ของเครื่องโดยตรงในที่ทำงาน หรือกับโครงการส่วนตัวของคุณ

คอร์สออนไลน์เบื้องต้น
deeplearning.ai: TensorFlow: Data and Deployment Specialization

คุณได้เรียนรู้วิธีการสร้างและฝึกโมเดล ตอนนี้เรียนรู้ที่จะสำรวจสถานการณ์การปรับใช้ต่างๆ และใช้ข้อมูลอย่างมีประสิทธิภาพมากขึ้นในการฝึกโมเดลของคุณในความเชี่ยวชาญพิเศษสี่หลักสูตรนี้

คอร์สออนไลน์เบื้องต้น
deeplearning.ai: ข้อมูลเบื้องต้นเกี่ยวกับ TensorFlow สำหรับ AI, ML และ Deep Learning

หลักสูตรนี้ได้รับการพัฒนาร่วมกับทีม TensorFlow โดยเป็นส่วนหนึ่งของ TensorFlow in Practice Specialization และจะสอนแนวทางปฏิบัติที่ดีที่สุดสำหรับการใช้ TensorFlow ให้กับคุณ

คอร์สออนไลน์เบื้องต้น
Udacity: บทนำสู่ TensorFlow สำหรับการเรียนรู้เชิงลึก

ในหลักสูตรออนไลน์นี้พัฒนาโดยทีม TensorFlow และ Udacity คุณจะได้เรียนรู้วิธีสร้างแอปพลิเคชันการเรียนรู้เชิงลึกด้วย TensorFlow

คอร์สออนไลน์เบื้องต้น
deeplearning.ai: TensorFlow in Practice Specialization

ในความเชี่ยวชาญพิเศษสี่หลักสูตรที่สอนโดยนักพัฒนา TensorFlow คุณจะสำรวจเครื่องมือและนักพัฒนาซอฟต์แวร์ที่ใช้เพื่อสร้างอัลกอริธึมที่ขับเคลื่อนด้วย AI ที่ปรับขนาดได้ใน TensorFlow

คอร์สออนไลน์เบื้องต้น
deeplearning.ai: Deep Learning Specialization

ในห้าหลักสูตร คุณจะได้เรียนรู้พื้นฐานของ Deep Learning เข้าใจวิธีสร้างโครงข่ายประสาทเทียม และเรียนรู้วิธีนำโครงการการเรียนรู้ของเครื่องที่ประสบความสำเร็จและสร้างอาชีพใน AI คุณจะเชี่ยวชาญไม่เพียงแค่ทฤษฎีเท่านั้น แต่ยังดูว่ามันถูกนำไปใช้ในอุตสาหกรรมอย่างไร

คอร์สออนไลน์เบื้องต้น
Stanford course CS231n: Convolutional Neural Networks for Visual Recognition

หลักสูตรนี้เป็นการลงลึกในรายละเอียดของสถาปัตยกรรมการเรียนรู้เชิงลึกโดยเน้นที่การเรียนรู้โมเดลแบบ end-to-end สำหรับงานคอมพิวเตอร์วิทัศน์ โดยเฉพาะอย่างยิ่งการจัดประเภทภาพ สำรวจวิดีโอบรรยาย สไลด์ และบันทึกย่อของหลักสูตรที่ผ่านมาจากการทำซ้ำของหลักสูตรครั้งก่อน

คอร์สออนไลน์เบื้องต้น
หลักสูตร MIT 6.S191: การเรียนรู้เชิงลึกเบื้องต้น

ในหลักสูตรนี้จาก MIT คุณจะได้รับความรู้พื้นฐานเกี่ยวกับอัลกอริธึมการเรียนรู้เชิงลึกและรับประสบการณ์จริงในการสร้างเครือข่ายประสาทใน TensorFlow

แหล่งข้อมูลอื่นๆ

สำหรับนักพัฒนามือถือและเว็บ และผู้ใช้ที่ต้องการสร้างไปป์ไลน์การผลิต เราได้รวบรวมทรัพยากรที่เราชื่นชอบเพื่อช่วยคุณในการเริ่มต้น ซึ่งรวมถึงไลบรารี TensorFlow และเฟรมเวิร์กเฉพาะตามความต้องการของคุณ

คอร์สออนไลน์เบื้องต้น
การเรียนรู้เชิงลึกใน JS โดย Ashi Krishnan

ใช้ deeplearn.js ค้นหาว่าระบบการเรียนรู้เชิงลึกเรียนรู้และตรวจสอบว่าพวกเขาคิดอย่างไร

คอร์สออนไลน์เบื้องต้น
เริ่มต้นใช้งาน TensorFlow.js โดย TensorFlow

ซีรีส์ 3 ส่วนที่สำรวจทั้งการฝึกและดำเนินการโมเดลที่เรียนรู้ด้วยเครื่องด้วย TensorFlow.js และแสดงวิธีสร้างโมเดลการเรียนรู้ของเครื่องใน JavaScript ที่ดำเนินการโดยตรงในเบราว์เซอร์

คอร์สออนไลน์เบื้องต้น
TensorFlow.js: ซีรี่ส์ข่าวกรองและการเรียนรู้โดย Coding Train

เพลย์ลิสต์วิดีโอนี้เป็นส่วนหนึ่งของซีรีส์ที่ใหญ่กว่าเกี่ยวกับการเรียนรู้ของเครื่องและการสร้างเครือข่ายประสาท โดยเน้นที่ TensorFlow.js, API หลัก และวิธีใช้ไลบรารี JavaScript เพื่อฝึกและปรับใช้โมเดล ML

คอร์สออนไลน์เบื้องต้น
TensorFlow.js การเรียนรู้เชิงลึกด้วย JavaScript โดย Deeplizard

ชุดนี้แนะนำแนวคิดของโครงข่ายประสาทเทียมฝั่งไคลเอ็นต์ เรียนรู้เกี่ยวกับสถาปัตยกรรมการเรียนรู้เชิงลึกของไคลเอ็นต์-เซิร์ฟเวอร์ การแปลงโมเดล Keras เป็นโมเดล TFJS ให้บริการโมเดลด้วย Node.js การฝึกอบรมและถ่ายโอนการเรียนรู้ในเบราว์เซอร์ และอื่นๆ

คอร์สออนไลน์เบื้องต้น
TensorFlow Extended: การเรียนรู้ของเครื่องในโลกแห่งความเป็นจริงในการผลิต

ซีรีส์ห้าส่วนจากทีม TensorFlow เกี่ยวกับการใช้ TensorFlow Extended (TFX) เพื่อสร้างไปป์ไลน์ ML ที่ใช้งานจริงของคุณเอง

คอร์สออนไลน์เบื้องต้น
แมชชีนเลิร์นนิงบนอุปกรณ์ของคุณ: ตัวเลือก (Google I/O'19)

เซสชั่นนี้จาก Google I/O จะทำให้กระจ่างเกี่ยวกับตัวเลือกต่างๆ ที่มีให้สำหรับการใช้การเรียนรู้ของเครื่องเพื่อปรับปรุงแอปมือถือและอุปกรณ์ Edge เรียนรู้วิธีใช้ TensorFlow Lite เพื่อฝึกโมเดลและวิธีใช้โมเดลในอุปกรณ์ต่างๆ

แนวคิดทางคณิตศาสตร์

เพื่อเจาะลึกความรู้ ML ของคุณ แหล่งข้อมูลเหล่านี้สามารถช่วยให้คุณเข้าใจแนวคิดทางคณิตศาสตร์พื้นฐานที่จำเป็นสำหรับความก้าวหน้าในระดับที่สูงขึ้น

แนวคิดทางคณิตศาสตร์
หลักสูตรความผิดพลาดของแมชชีนเลิร์นนิงของ Google Developers

หลักสูตรความผิดพลาดของแมชชีนเลิร์นนิงพร้อม TensorFlow APIs เป็นคู่มือการเรียนรู้ด้วยตนเองสำหรับผู้ปฏิบัติงานด้านแมชชีนเลิร์นนิงที่ต้องการ มีชุดบทเรียนพร้อมวิดีโอบรรยาย กรณีศึกษาในโลกแห่งความเป็นจริง และแบบฝึกหัดภาคปฏิบัติ

แนวคิดทางคณิตศาสตร์
Coursera: คณิตศาสตร์สำหรับความเชี่ยวชาญด้านการเรียนรู้ของเครื่อง

ความเชี่ยวชาญพิเศษออนไลน์จาก Coursera นี้มีจุดมุ่งหมายเพื่อลดช่องว่างของคณิตศาสตร์และการเรียนรู้ของเครื่อง ช่วยให้คุณเรียนรู้คณิตศาสตร์พื้นฐานได้อย่างรวดเร็ว เพื่อสร้างความเข้าใจโดยสัญชาตญาณ และเกี่ยวข้องกับการเรียนรู้ของเครื่องและวิทยาศาสตร์ข้อมูล

แนวคิดทางคณิตศาสตร์
การเรียนรู้อย่างลึกซึ้ง โดย 3blue1brown

3blue1brown เน้นที่การนำเสนอคณิตศาสตร์ด้วยวิธีที่เน้นภาพเป็นหลัก ในซีรีส์วิดีโอนี้ คุณจะได้เรียนรู้พื้นฐานของโครงข่ายประสาทเทียมและวิธีการทำงานผ่านแนวคิดทางคณิตศาสตร์

แนวคิดทางคณิตศาสตร์
สาระสำคัญของพีชคณิตเชิงเส้น โดย 3blue1brown

ชุดวิดีโอสั้นๆ จาก 3blue1brown ที่อธิบายความเข้าใจทางเรขาคณิตของเมทริกซ์ ดีเทอร์มิแนนต์ ส่วนประกอบไอเกน และอื่นๆ

แนวคิดทางคณิตศาสตร์
แก่นแท้ของแคลคูลัส โดย 3blue1brown

ชุดวิดีโอสั้นๆ จาก 3blue1brown ที่อธิบายพื้นฐานของแคลคูลัสในลักษณะที่ทำให้คุณเข้าใจทฤษฎีบทพื้นฐานอย่างถ่องแท้ ไม่ใช่แค่ว่าสมการทำงานอย่างไร

แนวคิดทางคณิตศาสตร์
หลักสูตร MIT18.06 : พีชคณิตเชิงเส้น

หลักสูตรเบื้องต้นจาก MIT ครอบคลุมทฤษฎีเมทริกซ์และพีชคณิตเชิงเส้น เน้นไปที่หัวข้อที่จะเป็นประโยชน์ในสาขาวิชาอื่น ๆ รวมทั้งระบบของสมการ ปริภูมิเวกเตอร์ ดีเทอร์มิแนนต์ ค่าลักษณะเฉพาะ ความคล้ายคลึงกัน และเมทริกซ์แน่นอนบวก

แนวคิดทางคณิตศาสตร์
หลักสูตร MIT 18.01: แคลคูลัสตัวแปรเดียว

หลักสูตรแคลคูลัสเบื้องต้นจาก MIT ครอบคลุมการสร้างความแตกต่างและการรวมฟังก์ชันของตัวแปรตัวเดียวเข้ากับการใช้งาน

แนวคิดทางคณิตศาสตร์
มองทฤษฎี

ภาพแนะนำความน่าจะเป็นและสถิติ

แนวคิดทางคณิตศาสตร์
An Introduction to Statistical Learning, with Applications in R โดย James, G., Witten, D., Hastie, T., and Tibshirani, R.

หนังสือเล่มนี้ให้ภาพรวมที่เข้าถึงได้ของสาขาวิชาการเรียนรู้ทางสถิติ ซึ่งเป็นชุดเครื่องมือที่จำเป็นสำหรับการทำความเข้าใจโลกที่กว้างใหญ่และซับซ้อนของชุดข้อมูลที่จำเป็นในการฝึกโมเดลในการเรียนรู้ของเครื่อง

AI ที่มีมนุษย์เป็นศูนย์กลาง

เมื่อออกแบบโมเดล ML หรือสร้างแอปพลิเคชันที่ขับเคลื่อนด้วย AI ควรพิจารณาผู้คนที่โต้ตอบกับผลิตภัณฑ์ และวิธีที่ดีที่สุดในการสร้างความเป็นธรรม การตีความ ความเป็นส่วนตัว และความปลอดภัยในระบบ AI

AI ที่มีมนุษย์เป็นศูนย์กลาง
AI ที่มีความรับผิดชอบ

เรียนรู้วิธีผสานรวมแนวปฏิบัติ AI ที่มีความรับผิดชอบเข้ากับเวิร์กโฟลว์ ML ของคุณโดยใช้ TensorFlow

AI ที่มีมนุษย์เป็นศูนย์กลาง
คู่มือผู้คน + AI

คู่มือเล่มนี้จาก Google จะช่วยคุณสร้างผลิตภัณฑ์ AI ที่มีมนุษย์เป็นศูนย์กลาง จะช่วยให้คุณหลีกเลี่ยงข้อผิดพลาดทั่วไป ออกแบบประสบการณ์ที่ยอดเยี่ยม และมุ่งเน้นที่ผู้คนเมื่อคุณสร้างแอปพลิเคชันที่ขับเคลื่อนด้วย AI

AI ที่มีมนุษย์เป็นศูนย์กลาง
ข้อมูลเบื้องต้นเกี่ยวกับความเป็นธรรมในโมดูลการเรียนรู้ของเครื่อง

โมดูลหนึ่งชั่วโมงนี้ภายใน MLCC ของ Google จะแนะนำให้ผู้เรียนรู้จักกับอคติของมนุษย์ประเภทต่างๆ ที่อาจปรากฏในข้อมูลการฝึกอบรม ตลอดจนกลยุทธ์ในการระบุและประเมินผลกระทบ