เชี่ยวชาญในเส้นทางของคุณ
ในการเป็นผู้เชี่ยวชาญในแมชชีนเลิร์นนิง ก่อนอื่นคุณต้องมีพื้นฐานที่แข็งแกร่งใน สี่ด้านการเรียนรู้ ได้แก่ การเขียนโค้ด คณิตศาสตร์ ทฤษฎี ML และวิธีการสร้างโครงการ ML ของคุณเองตั้งแต่ต้นจนจบ
เริ่มต้นด้วย หลักสูตรที่คัดสรร โดย TensorFlow เพื่อพัฒนาทักษะทั้งสี่นี้ หรือเลือกเส้นทางการเรียนรู้ของคุณเองโดยสำรวจ คลังทรัพยากร ของเราด้านล่าง
สี่ด้านของการศึกษาแมชชีนเลิร์นนิง
เมื่อเริ่มต้นเส้นทางการศึกษา สิ่งสำคัญคือต้องเข้าใจวิธีการเรียนรู้ ML ก่อน เราได้แบ่งกระบวนการเรียนรู้ออกเป็นสี่ด้านของความรู้ โดยแต่ละด้านจะนำเสนอชิ้นส่วนพื้นฐานของปริศนา ML เพื่อช่วยคุณในเส้นทางของคุณ เราได้จัดทำหนังสือ วิดีโอ และหลักสูตรออนไลน์ที่จะยกระดับความสามารถของคุณ และเตรียมความพร้อมให้คุณใช้ ML สำหรับโครงการของคุณ เริ่มต้นด้วยหลักสูตรแนะนำของเราที่ออกแบบมาเพื่อเพิ่มพูนความรู้ของคุณ หรือเลือกเส้นทางของคุณเองโดยสำรวจคลังทรัพยากรของเรา
หลักสูตร TensorFlow
เริ่มการเรียนรู้ด้วยหนึ่งในหลักสูตรแนะนำของเราที่มีหลักสูตร หนังสือ และวิดีโอที่แนะนำ
เรียนรู้พื้นฐานของ ML ด้วยชุดหนังสือและหลักสูตรออนไลน์นี้ คุณจะได้รับการแนะนำให้รู้จักกับ ML และได้รับคำแนะนำผ่านการเรียนรู้เชิงลึกโดยใช้ TensorFlow 2.0 จากนั้นคุณจะมีโอกาสฝึกฝนสิ่งที่คุณเรียนรู้ด้วยบทช่วยสอนสำหรับผู้เริ่มต้น
เมื่อคุณเข้าใจพื้นฐานของแมชชีนเลิร์นนิงแล้ว ให้ยกระดับความสามารถของคุณไปอีกขั้นโดยดำดิ่งสู่ความเข้าใจเชิงทฤษฎีเกี่ยวกับโครงข่ายประสาทเทียม การเรียนรู้เชิงลึก และพัฒนาความรู้ของคุณเกี่ยวกับแนวคิดทางคณิตศาสตร์พื้นฐาน
เรียนรู้พื้นฐานของการพัฒนาโมเดลแมชชีนเลิร์นนิงใน JavaScript และวิธีปรับใช้โดยตรงในเบราว์เซอร์ คุณจะได้รับคำแนะนำระดับสูงเกี่ยวกับการเรียนรู้เชิงลึกและวิธีเริ่มต้นใช้งาน TensorFlow.js ผ่านการฝึกปฏิบัติจริง
แหล่งการศึกษา
เลือกเส้นทางการเรียนรู้ของคุณเอง และสำรวจหนังสือ หลักสูตร วิดีโอ และแบบฝึกหัดที่ทีม TensorFlow แนะนำเพื่อสอนพื้นฐานของ ML
หนังสือ
การอ่านเป็นหนึ่งในวิธีที่ดีที่สุดในการทำความเข้าใจพื้นฐานของ ML และการเรียนรู้เชิงลึก หนังสือสามารถให้ความเข้าใจเชิงทฤษฎีที่จำเป็นเพื่อช่วยให้คุณเรียนรู้แนวคิดใหม่ได้เร็วยิ่งขึ้นในอนาคต
หนังสือแนะนำนี้ให้แนวทางแบบใช้โค้ดเป็นอันดับแรกเพื่อเรียนรู้วิธีใช้สถานการณ์ ML ที่พบบ่อยที่สุด เช่น คอมพิวเตอร์วิทัศน์ การประมวลผลภาษาธรรมชาติ (NLP) และการสร้างแบบจำลองลำดับสำหรับเว็บ อุปกรณ์พกพา คลาวด์ และรันไทม์แบบฝังตัว
หนังสือเล่มนี้เป็นบทนำเกี่ยวกับ Deep Learning with Keras ที่ใช้งานได้จริง
การใช้ตัวอย่างที่เป็นรูปธรรม ทฤษฎีขั้นต่ำ และเฟรมเวิร์ก Python ที่พร้อมสำหรับการผลิต 2 ตัว ได้แก่ Scikit-Learn และ TensorFlow หนังสือเล่มนี้จะช่วยให้คุณเข้าใจแนวคิดและเครื่องมือในการสร้างระบบอัจฉริยะได้โดยสัญชาตญาณ
ตำราการเรียนรู้เชิงลึกนี้เป็นแหล่งข้อมูลที่มีไว้เพื่อช่วยให้นักเรียนและผู้ปฏิบัติงานเข้าสู่สาขาการเรียนรู้ของเครื่องโดยทั่วไป และโดยเฉพาะอย่างยิ่งการเรียนรู้เชิงลึก
หนังสือเล่มนี้ให้พื้นฐานทางทฤษฎีเกี่ยวกับโครงข่ายประสาทเทียม ไม่ได้ใช้ TensorFlow แต่เป็นข้อมูลอ้างอิงที่ดีสำหรับนักเรียนที่สนใจเรียนรู้เพิ่มเติม
แนวทางปฏิบัติแบบครบวงจรสำหรับปัจจัยพื้นฐาน TensorFlow.js สำหรับผู้ชมด้านเทคนิคในวงกว้าง เมื่อคุณอ่านหนังสือเล่มนี้จบ คุณจะรู้วิธีสร้างและปรับใช้ระบบการเรียนรู้เชิงลึกที่พร้อมสำหรับการผลิตด้วย TensorFlow.js
หนังสือเล่มนี้เขียนโดยผู้เขียนหลักของไลบรารี TensorFlow นำเสนอกรณีการใช้งานที่น่าสนใจและคำแนะนำเชิงลึกสำหรับแอปการเรียนรู้เชิงลึกใน JavaScript ในเบราว์เซอร์ของคุณหรือบนโหนด
หลักสูตรออนไลน์
การเรียนหลักสูตรออนไลน์แบบหลายส่วนเป็นวิธีที่ดีในการเรียนรู้แนวคิดพื้นฐานของ ML หลายหลักสูตรมีคำอธิบายภาพที่ยอดเยี่ยม และเครื่องมือที่จำเป็นในการเริ่มใช้แมชชีนเลิร์นนิงโดยตรงในที่ทำงานหรือกับโครงการส่วนตัวของคุณ
Deep Learning.AI
ข้อมูลเบื้องต้นเกี่ยวกับ TensorFlow สำหรับ AI, ML และการเรียนรู้เชิงลึกหลักสูตรนี้ได้รับการพัฒนาโดยความร่วมมือกับทีม TensorFlow เป็นส่วนหนึ่งของ TensorFlow Developer Specialization และจะสอนแนวทางปฏิบัติที่ดีที่สุดสำหรับการใช้ TensorFlow
ในหลักสูตรออนไลน์นี้พัฒนาโดยทีม TensorFlow และ Udacity คุณจะได้เรียนรู้วิธีสร้างแอปพลิเคชันการเรียนรู้เชิงลึกด้วย TensorFlow
Deep Learning.AI
ความเชี่ยวชาญของนักพัฒนา TensorFlowในหลักสูตรเฉพาะทางสี่หลักสูตรนี้ที่สอนโดยนักพัฒนา TensorFlow คุณจะได้สำรวจเครื่องมือและนักพัฒนาซอฟต์แวร์ที่ใช้สร้างอัลกอริทึมที่ขับเคลื่อนด้วย AI ที่ปรับขนาดได้ใน TensorFlow
นักพัฒนา Google
หลักสูตรความผิดพลาดของแมชชีนเลิร์นนิงหลักสูตร Machine Learning Crash ด้วย TensorFlow APIs เป็นคู่มือการเรียนรู้ด้วยตนเองสำหรับผู้ฝึกฝนการเรียนรู้ของเครื่องที่ต้องการ โดยมีชุดบทเรียนพร้อมวิดีโอบรรยาย กรณีศึกษาในโลกแห่งความเป็นจริง และการฝึกปฏิบัติจริง
ในหลักสูตรนี้จาก MIT คุณจะได้รับความรู้พื้นฐานเกี่ยวกับอัลกอริธึมการเรียนรู้เชิงลึกและรับประสบการณ์จริงในการสร้างโครงข่ายประสาทเทียมใน TensorFlow
Deep Learning.AI
ความเชี่ยวชาญด้านการเรียนรู้เชิงลึกในห้าหลักสูตร คุณจะได้เรียนรู้พื้นฐานของการเรียนรู้เชิงลึก เข้าใจวิธีสร้างโครงข่ายประสาทเทียม และเรียนรู้วิธีนำโครงการแมชชีนเลิร์นนิงที่ประสบความสำเร็จ และสร้างอาชีพใน AI คุณจะเชี่ยวชาญไม่เพียง แต่ทฤษฎีเท่านั้น แต่ยังดูว่านำไปใช้ในอุตสาหกรรมอย่างไร
Deep Learning.AI
TensorFlow: ความเชี่ยวชาญด้านข้อมูลและการปรับใช้คุณได้เรียนรู้วิธีสร้างและฝึกโมเดล ตอนนี้เรียนรู้ที่จะสำรวจสถานการณ์การปรับใช้ต่างๆ และใช้ข้อมูลอย่างมีประสิทธิภาพมากขึ้นเพื่อฝึกฝนโมเดลของคุณในความเชี่ยวชาญพิเศษ 4 หลักสูตรนี้
Deep Learning.AI
TensorFlow: ความเชี่ยวชาญด้านเทคนิคขั้นสูงความเชี่ยวชาญพิเศษนี้มีไว้สำหรับวิศวกรซอฟต์แวร์และ ML ที่มีความเข้าใจพื้นฐานของ TensorFlow ซึ่งต้องการเพิ่มพูนความรู้และชุดทักษะโดยการเรียนรู้คุณลักษณะขั้นสูงของ TensorFlow เพื่อสร้างโมเดลที่มีประสิทธิภาพ
เรียนรู้วิธีที่คุณสามารถจับตาดูงานวิจัยที่ล้ำสมัยของคุณได้มากขึ้น หรือส่งมอบพลังพิเศษในเว็บแอปของคุณในการทำงานในอนาคตสำหรับลูกค้าของคุณหรือบริษัทที่คุณทำงานด้วยการเรียนรู้ด้วยเครื่องบนเว็บ
แนวคิดทางคณิตศาสตร์
เพื่อเจาะลึกความรู้ ML ของคุณ ทรัพยากรเหล่านี้สามารถช่วยให้คุณเข้าใจแนวคิดทางคณิตศาสตร์พื้นฐานที่จำเป็นสำหรับความก้าวหน้าในระดับที่สูงขึ้น
มุมมองมุมสูงของพีชคณิตเชิงเส้นสำหรับการเรียนรู้ของเครื่อง ไม่เคยเรียนพีชคณิตเชิงเส้นหรือรู้พื้นฐานมาบ้างเล็กน้อย และต้องการทำความเข้าใจว่ามันใช้งานอย่างไรใน ML? จากนั้นวิดีโอนี้เหมาะสำหรับคุณ
วิทยาลัยอิมพีเรียลลอนดอน
คณิตศาสตร์สำหรับความเชี่ยวชาญด้านการเรียนรู้ของเครื่องความเชี่ยวชาญพิเศษทางออนไลน์จาก Coursera นี้มีจุดมุ่งหมายเพื่อลดช่องว่างของคณิตศาสตร์และการเรียนรู้ของเครื่อง ทำให้คุณตามทันคณิตศาสตร์พื้นฐานเพื่อสร้างความเข้าใจที่เป็นธรรมชาติ และเชื่อมโยงกับการเรียนรู้ของเครื่องและวิทยาศาสตร์ข้อมูล
3blue1brown มุ่งเน้นไปที่การนำเสนอคณิตศาสตร์ด้วยแนวทางภาพเป็นอันดับแรก ในวิดีโอชุดนี้ คุณจะได้เรียนรู้พื้นฐานของโครงข่ายประสาทเทียมและวิธีการทำงานผ่านแนวคิดทางคณิตศาสตร์
ชุดวิดีโอสั้นๆ จาก 3blue1brown ที่อธิบายความเข้าใจทางเรขาคณิตของเมทริกซ์ ดีเทอร์มิแนนต์ ค่าไอเกน และอื่นๆ
ชุดวิดีโอสั้นๆ จาก 3blue1brown ที่อธิบายพื้นฐานของแคลคูลัสในลักษณะที่ทำให้คุณเข้าใจทฤษฎีบทพื้นฐานมากขึ้น ไม่ใช่แค่วิธีการทำงานของสมการเท่านั้น
หลักสูตรเบื้องต้นจาก MIT ครอบคลุมทฤษฎีเมทริกซ์และพีชคณิตเชิงเส้น เน้นไปที่หัวข้อที่จะเป็นประโยชน์ในสาขาวิชาอื่นๆ รวมถึงระบบสมการ ปริภูมิเวกเตอร์ ดีเทอร์มิแนนต์ ค่าลักษณะเฉพาะ ความคล้ายคลึง และเมทริกซ์บวกแน่นอน
หลักสูตรแคลคูลัสเบื้องต้นจาก MIT นี้ครอบคลุมถึงความแตกต่างและการรวมฟังก์ชันของตัวแปรเดียวเข้ากับแอปพลิเคชัน
การแนะนำภาพเกี่ยวกับความน่าจะเป็นและสถิติ
หนังสือเล่มนี้ให้ภาพรวมที่เข้าถึงได้ของสาขาการเรียนรู้ทางสถิติ ซึ่งเป็นชุดเครื่องมือที่จำเป็นสำหรับการทำความเข้าใจโลกชุดข้อมูลที่กว้างใหญ่และซับซ้อนซึ่งจำเป็นต่อการฝึกโมเดลในแมชชีนเลิร์นนิง
ทรัพยากร TensorFlow
เราได้รวบรวมทรัพยากรที่เราโปรดปรานเพื่อช่วยให้คุณเริ่มต้นใช้งานไลบรารีและเฟรมเวิร์ก TensorFlow เฉพาะตามความต้องการของคุณ ข้ามไปที่ส่วนของเราสำหรับ TensorFlow.js , TensorFlow Lite และ TFX
คุณยังสามารถเรียกดู คำแนะนำ และ บทช่วยสอน อย่างเป็นทางการของ TensorFlow เพื่อดูตัวอย่างและ colabs ล่าสุด
Machine Learning Foundations เป็นหลักสูตรฝึกอบรมฟรีที่คุณจะได้เรียนรู้พื้นฐานของการสร้างโมเดลการเรียนรู้ของเครื่องโดยใช้ TensorFlow
ML Tech Talk นี้ออกแบบมาสำหรับผู้ที่รู้พื้นฐานของการเรียนรู้ของเครื่อง แต่ต้องการภาพรวมเกี่ยวกับพื้นฐานของ TensorFlow (เทนเซอร์ ตัวแปร และการไล่ระดับสีโดยไม่ใช้ API ระดับสูง)
ML Tech Talk นี้รวมถึงการเรียนรู้การเป็นตัวแทน ครอบครัวของโครงข่ายประสาทเทียมและแอปพลิเคชัน รูปลักษณ์แรกภายในโครงข่ายประสาทเทียมเชิงลึก และตัวอย่างโค้ดและแนวคิดมากมายจาก TensorFlow
ในซีรีส์นี้ ทีม TensorFlow จะพิจารณาส่วนต่างๆ ของ TensorFlow จากมุมมองของการเขียนโค้ด พร้อมด้วยวิดีโอสำหรับการใช้ API ระดับสูงของ TensorFlow การประมวลผลภาษาธรรมชาติ การเรียนรู้โครงสร้างประสาท และอื่นๆ
เรียนรู้ที่จะระบุกรณีการใช้งาน ML ที่พบบ่อยที่สุด รวมถึงการวิเคราะห์มัลติมีเดีย การสร้างการค้นหาอัจฉริยะ การแปลงข้อมูล และวิธีการสร้างลงในแอปของคุณอย่างรวดเร็วด้วยเครื่องมือที่ใช้งานง่าย
รับความรู้เชิงปฏิบัติเกี่ยวกับการใช้ ML ในเบราว์เซอร์ด้วย JavaScript เรียนรู้วิธีเขียนโมเดลแบบกำหนดเองจากผืนผ้าใบเปล่า ฝึกโมเดลใหม่ผ่านการเรียนรู้การถ่ายโอน และแปลงโมเดลจาก Python
แนวทางปฏิบัติแบบครบวงจรสำหรับปัจจัยพื้นฐาน TensorFlow.js สำหรับผู้ชมด้านเทคนิคในวงกว้าง เมื่อคุณอ่านหนังสือเล่มนี้จบ คุณจะรู้วิธีสร้างและปรับใช้ระบบการเรียนรู้เชิงลึกที่พร้อมสำหรับการผลิตด้วย TensorFlow.js
ซีรีส์ 3 ส่วนที่สำรวจทั้งการฝึกอบรมและการดำเนินการโมเดลแมชชีนเลิร์นนิงด้วย TensorFlow.js และแสดงวิธีสร้างโมเดลแมชชีนเลิร์นนิงใน JavaScript ที่ทำงานโดยตรงในเบราว์เซอร์
เปลี่ยนจากศูนย์เป็นฮีโร่ด้วย web ML โดยใช้ TensorFlow.js เรียนรู้วิธีสร้างเว็บแอปรุ่นถัดไปที่สามารถเรียกใช้ฝั่งไคลเอ็นต์และใช้กับอุปกรณ์เกือบทุกชนิด
เพลย์ลิสต์วิดีโอนี้เป็นส่วนหนึ่งของซีรีส์ขนาดใหญ่เกี่ยวกับการเรียนรู้ของเครื่องและการสร้างโครงข่ายประสาทเทียม โดยเน้นที่ TensorFlow.js, API หลัก และวิธีใช้ไลบรารี JavaScript เพื่อฝึกและปรับใช้โมเดล ML
นักพัฒนา Google
การเรียนรู้ของเครื่องบนอุปกรณ์เรียนรู้วิธีสร้างแอป ML ในอุปกรณ์เครื่องแรกของคุณผ่านเส้นทางการเรียนรู้ที่ให้คำแนะนำทีละขั้นตอนสำหรับกรณีการใช้งานทั่วไป เช่น การจัดประเภทเสียง การค้นหาผลิตภัณฑ์ด้วยภาพ และอื่นๆ
เรียนรู้วิธีปรับใช้โมเดลการเรียนรู้เชิงลึกบนอุปกรณ์พกพาและอุปกรณ์ฝังตัวด้วย TensorFlow Lite ในหลักสูตรนี้ ซึ่งพัฒนาโดยทีม TensorFlow และ Udacity เพื่อเป็นแนวทางปฏิบัติในการปรับใช้โมเดลสำหรับนักพัฒนาซอฟต์แวร์
ดูวิธีประกอบระบบไปป์ไลน์การผลิตด้วย TFX เราจะครอบคลุมทุกอย่างอย่างรวดเร็วตั้งแต่การรับข้อมูล การสร้างแบบจำลอง ไปจนถึงการปรับใช้และการจัดการ
หนังสือเล่มนี้จะแนะนำคุณตลอดขั้นตอนของการทำให้ ML ไปป์ไลน์เป็นอัตโนมัติโดยใช้ระบบนิเวศของ TensorFlow ตัวอย่างแมชชีนเลิร์นนิงในหนังสือเล่มนี้อ้างอิงจาก TensorFlow และ Keras แต่แนวคิดหลักสามารถนำไปใช้กับเฟรมเวิร์กใดก็ได้
Deep Learning.AI
ความเชี่ยวชาญด้านวิศวกรรมการเรียนรู้ของเครื่องสำหรับการผลิต (MLOps)ขยายขีดความสามารถด้านวิศวกรรมการผลิตของคุณในสี่หลักสูตรเฉพาะทางนี้ เรียนรู้วิธีกำหนดแนวคิด สร้าง และบำรุงรักษาระบบแบบบูรณาการที่ทำงานอย่างต่อเนื่องในการผลิต
หลักสูตรขั้นสูงนี้ครอบคลุมส่วนประกอบ TFX การประสานไปป์ไลน์และระบบอัตโนมัติ และวิธีการจัดการข้อมูลเมตา ML ด้วย Google Cloud
AI ที่มีมนุษย์เป็นศูนย์กลาง
เมื่อออกแบบโมเดล ML หรือสร้างแอปพลิเคชันที่ขับเคลื่อนด้วย AI สิ่งสำคัญคือต้องคำนึงถึงผู้คนที่โต้ตอบกับผลิตภัณฑ์ และวิธีที่ดีที่สุดในการสร้างความเป็นธรรม การตีความ ความเป็นส่วนตัว และความปลอดภัยในระบบ AI เหล่านี้
เรียนรู้วิธีรวมแนวทางปฏิบัติ AI ที่มีความรับผิดชอบเข้ากับเวิร์กโฟลว์ ML ของคุณโดยใช้ TensorFlow
คู่มือจาก Google เล่มนี้จะช่วยคุณสร้างผลิตภัณฑ์ AI ที่มีมนุษย์เป็นศูนย์กลาง จะช่วยให้คุณหลีกเลี่ยงข้อผิดพลาดทั่วไป ออกแบบประสบการณ์ที่ยอดเยี่ยม และมุ่งเน้นไปที่ผู้คนในขณะที่คุณสร้างแอปพลิเคชันที่ขับเคลื่อนด้วย AI
โมดูลหนึ่งชั่วโมงใน MLCC ของ Google นี้แนะนำผู้เรียนให้รู้จักอคติของมนุษย์ประเภทต่างๆ ที่สามารถแสดงออกมาในข้อมูลการฝึกอบรม ตลอดจนกลยุทธ์ในการระบุและประเมินผลกระทบ