Padroneggia il tuo percorso
Per diventare un esperto di machine learning, devi prima avere una solida base in quattro aree di apprendimento : programmazione, matematica, teoria ML e come costruire il tuo progetto ML dall'inizio alla fine.
Inizia con i programmi curati di TensorFlow per migliorare queste quattro abilità o scegli il tuo percorso di apprendimento esplorando la nostra libreria di risorse qui sotto.
Le quattro aree dell'educazione all'apprendimento automatico
Quando inizi il tuo percorso formativo, è importante prima capire come imparare il machine learning. Abbiamo suddiviso il processo di apprendimento in quattro aree di conoscenza, ciascuna delle quali fornisce un pezzo fondamentale del puzzle ML. Per aiutarti nel tuo percorso, abbiamo identificato libri, video e corsi online che miglioreranno le tue capacità e ti prepareranno a utilizzare il machine learning per i tuoi progetti. Inizia con i nostri programmi di studio guidati progettati per aumentare le tue conoscenze o scegli il tuo percorso esplorando la nostra libreria di risorse.
Curriculum TensorFlow
Inizia a imparare con uno dei nostri programmi guidati contenenti corsi, libri e video consigliati.
Impara le basi del machine learning con questa raccolta di libri e corsi online. Verrai introdotto al ML e guidato attraverso il deep learning utilizzando TensorFlow 2.0. Quindi avrai l'opportunità di mettere in pratica ciò che impari con i tutorial per principianti.
Una volta comprese le basi dell'apprendimento automatico, porta le tue abilità al livello successivo immergendoti nella comprensione teorica delle reti neurali, nell'apprendimento approfondito e migliorando la tua conoscenza dei concetti matematici sottostanti.
Scopri le nozioni di base sullo sviluppo di modelli di machine learning in JavaScript e su come eseguire il deployment direttamente nel browser. Riceverai un'introduzione di alto livello sul deep learning e su come iniziare con TensorFlow.js attraverso esercizi pratici.
Risorse educative
Scegli il tuo percorso di apprendimento ed esplora libri, corsi, video ed esercizi consigliati dal team di TensorFlow per insegnarti le basi del machine learning.
Libri
La lettura è uno dei modi migliori per comprendere le basi del machine learning e del deep learning. I libri possono darti la comprensione teorica necessaria per aiutarti ad apprendere nuovi concetti più rapidamente in futuro.
Questo libro introduttivo fornisce un approccio code-first per apprendere come implementare gli scenari ML più comuni, come la visione artificiale, l'elaborazione del linguaggio naturale (NLP) e la modellazione di sequenze per runtime web, mobile, cloud e embedded.
Questo libro è un'introduzione pratica e pratica al Deep Learning con Keras.
Utilizzando esempi concreti, teoria minima e due framework Python pronti per la produzione, Scikit-Learn e TensorFlow, questo libro ti aiuta a ottenere una comprensione intuitiva dei concetti e degli strumenti per la creazione di sistemi intelligenti.
Questo libro di testo sul deep learning è una risorsa destinata ad aiutare studenti e professionisti ad entrare nel campo del machine learning in generale e del deep learning in particolare.
Questo libro fornisce un background teorico sulle reti neurali. Non utilizza TensorFlow, ma è un ottimo riferimento per gli studenti interessati a saperne di più.
Un approccio pratico end-to-end ai fondamenti di TensorFlow.js per un vasto pubblico tecnico. Una volta terminato questo libro, saprai come creare e distribuire sistemi di deep learning pronti per la produzione con TensorFlow.js.
Scritto dai principali autori della libreria TensorFlow, questo libro fornisce affascinanti casi d'uso e istruzioni approfondite per le app di deep learning in JavaScript nel tuo browser o su Node.
Corsi online
Seguire un corso online in più parti è un buon modo per apprendere i concetti di base del machine learning. Molti corsi forniscono ottime spiegazioni visive e gli strumenti necessari per iniziare ad applicare l'apprendimento automatico direttamente al lavoro o con i tuoi progetti personali.
DeepLearning.AI
Introduzione a TensorFlow per AI, ML e Deep LearningSviluppato in collaborazione con il team TensorFlow, questo corso fa parte della specializzazione per sviluppatori TensorFlow e ti insegnerà le migliori pratiche per l'utilizzo di TensorFlow.
In questo corso online sviluppato dal team TensorFlow e Udacity, imparerai come creare applicazioni di deep learning con TensorFlow.
DeepLearning.AI
Specializzazione per sviluppatori TensorFlowIn questa specializzazione di quattro corsi tenuta da uno sviluppatore TensorFlow, esplorerai gli strumenti e gli sviluppatori di software utilizzati per creare algoritmi scalabili basati sull'intelligenza artificiale in TensorFlow.
Sviluppatori Google
Corso intensivo sull'apprendimento automaticoIl corso accelerato di machine learning con le API TensorFlow è una guida di autoapprendimento per aspiranti professionisti del machine learning. Presenta una serie di lezioni con lezioni video, studi di casi reali ed esercizi pratici.
In questo corso del MIT, acquisirai una conoscenza di base degli algoritmi di deep learning e acquisirai esperienza pratica nella creazione di reti neurali in TensorFlow.
DeepLearning.AI
Specializzazione nell'apprendimento profondoIn cinque corsi imparerai le basi del Deep Learning, capirai come costruire reti neurali e imparerai come condurre progetti di apprendimento automatico di successo e costruire una carriera nell'IA. Dominerai non solo la teoria, ma vedrai anche come viene applicata nell'industria.
DeepLearning.AI
TensorFlow: specializzazione in dati e distribuzioneHai imparato a costruire e addestrare modelli. Ora impara a navigare in vari scenari di implementazione e a utilizzare i dati in modo più efficace per addestrare il tuo modello in questa specializzazione di quattro corsi.
DeepLearning.AI
TensorFlow: specializzazione in tecniche avanzateQuesta specializzazione è rivolta a ingegneri software e ML con una conoscenza di base di TensorFlow che desiderano ampliare le proprie conoscenze e competenze imparando le funzionalità avanzate di TensorFlow per creare modelli potenti.
Scopri come puoi ottenere più occhi sulla tua ricerca all'avanguardia o fornire super poteri nelle tue app Web in lavori futuri per i tuoi clienti o l'azienda per cui lavori con il machine learning basato sul web.
Concetti matematici
Per approfondire la tua conoscenza del machine learning, queste risorse possono aiutarti a comprendere i concetti matematici sottostanti necessari per l'avanzamento di livello superiore.
Una vista dall'alto dell'algebra lineare per l'apprendimento automatico. Non hai mai preso in considerazione l'algebra lineare o conosci un po 'le basi e vuoi avere un'idea di come viene utilizzata in ML? Allora questo video fa per te.
Imperial College di Londra
Matematica per la specializzazione in Machine LearningQuesta specializzazione online di Coursera mira a colmare il divario tra matematica e apprendimento automatico, aggiornandoti sulla matematica sottostante per costruire una comprensione intuitiva e collegandola all'apprendimento automatico e alla scienza dei dati.
3blue1brown è incentrato sulla presentazione della matematica con un approccio visuale. In questa serie di video imparerai le basi di una rete neurale e come funziona attraverso concetti matematici.
Una serie di brevi video visivi di 3blue1brown che spiegano la comprensione geometrica di matrici, determinanti, autocose e altro ancora.
Una serie di brevi video visivi di 3blue1brown che spiegano i fondamenti del calcolo in un modo che ti dà una forte comprensione dei teoremi fondamentali e non solo di come funzionano le equazioni.
Questo corso introduttivo del MIT copre la teoria delle matrici e l'algebra lineare. L'enfasi è data ad argomenti che saranno utili in altre discipline, inclusi sistemi di equazioni, spazi vettoriali, determinanti, autovalori, similarità e matrici definite positive.
Questo corso introduttivo di calcolo del MIT copre la differenziazione e l'integrazione di funzioni di una variabile, con applicazioni.
Un'introduzione visiva alla probabilità e alle statistiche.
Questo libro fornisce una panoramica accessibile del campo dell'apprendimento statistico, un set di strumenti essenziale per dare un senso al vasto e complesso mondo dei set di dati necessari per addestrare i modelli nell'apprendimento automatico.
Risorse TensorFlow
Abbiamo raccolto le nostre risorse preferite per aiutarti a iniziare con le librerie e i framework TensorFlow specifici per le tue esigenze. Vai alle nostre sezioni per TensorFlow.js , TensorFlow Lite e TFX .
Puoi anche sfogliare la guida e i tutorial ufficiali di TensorFlow per gli ultimi esempi e colab.
Machine Learning Foundations è un corso di formazione gratuito in cui imparerai i fondamenti della creazione di modelli di machine learning utilizzando TensorFlow.
Questo ML Tech Talk è progettato per coloro che conoscono le basi del Machine Learning ma hanno bisogno di una panoramica sui fondamenti di TensorFlow (tensori, variabili e gradienti senza utilizzare API di alto livello).
Questo ML Tech Talk include l'apprendimento della rappresentazione, le famiglie di reti neurali e le loro applicazioni, un primo sguardo all'interno di una rete neurale profonda e molti esempi di codice e concetti di TensorFlow.
In questa serie, il team di TensorFlow esamina varie parti di TensorFlow dal punto di vista della codifica, con video sull'utilizzo delle API di alto livello di TensorFlow, l'elaborazione del linguaggio naturale, l'apprendimento strutturato neurale e altro ancora.
Impara a individuare i casi d'uso ML più comuni, tra cui l'analisi di contenuti multimediali, la creazione di ricerche intelligenti, la trasformazione dei dati e come integrarli rapidamente nella tua app con strumenti intuitivi.
Ottieni una conoscenza pratica pratica dell'utilizzo di ML nel browser con JavaScript. Scopri come scrivere modelli personalizzati da una tela bianca, riaddestrare i modelli tramite l'apprendimento del trasferimento e convertire i modelli da Python.
Un approccio pratico end-to-end ai fondamenti di TensorFlow.js per un vasto pubblico tecnico. Una volta terminato questo libro, saprai come creare e distribuire sistemi di deep learning pronti per la produzione con TensorFlow.js.
Una serie in 3 parti che esplora sia l'addestramento che l'esecuzione di modelli di apprendimento automatico con TensorFlow.js e mostra come creare un modello di apprendimento automatico in JavaScript che venga eseguito direttamente nel browser.
Passa da zero a eroe con il Web ML utilizzando TensorFlow.js. Scopri come creare app Web di nuova generazione che possono essere eseguite lato client e utilizzate su quasi tutti i dispositivi.
Parte di una serie più ampia sull'apprendimento automatico e la creazione di reti neurali, questa playlist video si concentra su TensorFlow.js, l'API principale e su come utilizzare la libreria JavaScript per addestrare e distribuire modelli ML.
Per dispositivi mobili e bordo
Esplora le risorse più recenti su TensorFlow Lite .
Sviluppatori Google
Apprendimento automatico su dispositivoScopri come creare la tua prima app ML su dispositivo attraverso percorsi di apprendimento che forniscono guide dettagliate per casi d'uso comuni, tra cui classificazione audio, ricerca visiva di prodotti e altro ancora.
Scopri come distribuire modelli di deep learning su dispositivi mobili e incorporati con TensorFlow Lite in questo corso, sviluppato dal team TensorFlow e Udacity come approccio pratico alla distribuzione di modelli per gli sviluppatori di software.
Dai un'occhiata pratica a come mettere insieme un sistema di pipeline di produzione con TFX. Ci occuperemo rapidamente di tutto, dall'acquisizione dei dati, alla creazione di modelli, fino all'implementazione e alla gestione.
Questo libro ti guida attraverso i passaggi dell'automazione di una pipeline ML utilizzando l'ecosistema TensorFlow. Gli esempi di machine learning in questo libro si basano su TensorFlow e Keras, ma i concetti fondamentali possono essere applicati a qualsiasi framework.
DeepLearning.AI
Specializzazione in Machine Learning Engineering for Production (MLOps).Espandi le tue capacità di ingegneria della produzione in questa specializzazione di quattro corsi. Scopri come concettualizzare, costruire e mantenere sistemi integrati che operano continuamente nella produzione.
Questo corso avanzato copre i componenti TFX, l'orchestrazione e l'automazione della pipeline e come gestire i metadati ML con Google Cloud.
IA incentrata sull'uomo
Quando si progetta un modello ML o si creano applicazioni basate sull'intelligenza artificiale, è importante considerare le persone che interagiscono con il prodotto e il modo migliore per creare equità, interpretabilità, privacy e sicurezza in questi sistemi di intelligenza artificiale.
Scopri come integrare le pratiche di Responsible AI nel tuo flusso di lavoro ML utilizzando TensorFlow.
Questa guida di Google ti aiuterà a creare prodotti AI incentrati sull'uomo. Ti consentirà di evitare errori comuni, progettare esperienze eccellenti e concentrarti sulle persone mentre crei applicazioni basate sull'intelligenza artificiale.
Questo modulo di un'ora all'interno dell'MLCC di Google introduce gli studenti ai diversi tipi di pregiudizi umani che possono manifestarsi nei dati di addestramento, nonché alle strategie per identificare e valutare i loro effetti.