Opanuj swoją ścieżkę
Aby zostać ekspertem w dziedzinie uczenia maszynowego, potrzebujesz najpierw solidnych podstaw w czterech obszarach nauki : kodowanie, matematyka, teoria uczenia maszynowego oraz budowanie od początku do końca własnego projektu uczenia maszynowego.
Zacznij od przygotowanych programów nauczania TensorFlow, aby poprawić te cztery umiejętności, lub wybierz własną ścieżkę nauki, przeglądając naszą bibliotekę zasobów poniżej.
Cztery obszary uczenia maszynowego
Rozpoczynając swoją ścieżkę edukacyjną, ważne jest, aby najpierw zrozumieć, jak uczyć się uczenia maszynowego. Podzieliliśmy proces uczenia się na cztery obszary wiedzy, z których każdy stanowi fundamentalny element układanki ML. Aby pomóc Ci na Twojej ścieżce, zidentyfikowaliśmy książki, filmy i kursy online, które zwiększą Twoje umiejętności i przygotują Cię do wykorzystania uczenia maszynowego w Twoich projektach. Zacznij od naszych programów nauczania, których celem jest poszerzenie Twojej wiedzy, lub wybierz własną ścieżkę, przeglądając naszą bibliotekę zasobów.
Programy nauczania TensorFlow
Rozpocznij naukę, korzystając z jednego z naszych programów nauczania zawierających polecane kursy, książki i filmy.
Poznaj podstawy uczenia maszynowego dzięki tej kolekcji książek i kursów online. Zostaniesz wprowadzony do ML i poprowadzony przez głębokie uczenie się przy użyciu TensorFlow 2.0. Następnie będziesz miał okazję przećwiczyć to, czego się nauczysz, korzystając z samouczków dla początkujących.
Gdy zrozumiesz podstawy uczenia maszynowego, wznieś swoje umiejętności na wyższy poziom, zagłębiając się w teoretyczne rozumienie sieci neuronowych, głębokie uczenie się i pogłębiając swoją wiedzę na temat podstawowych pojęć matematycznych.
Poznaj podstawy tworzenia modeli uczenia maszynowego w języku JavaScript oraz sposoby wdrażania bezpośrednio w przeglądarce. Otrzymasz ogólne wprowadzenie do głębokiego uczenia się i tego, jak zacząć korzystać z TensorFlow.js poprzez praktyczne ćwiczenia.
Zasoby edukacyjne
Wybierz własną ścieżkę nauki i zapoznaj się z książkami, kursami, filmami i ćwiczeniami polecanymi przez zespół TensorFlow, aby nauczyć Cię podstaw uczenia maszynowego.
Książki
Czytanie to jeden z najlepszych sposobów zrozumienia podstaw uczenia maszynowego i uczenia głębokiego. Książki mogą dać ci wiedzę teoretyczną niezbędną do szybszego uczenia się nowych pojęć w przyszłości.
Ta książka wprowadzająca zapewnia podejście oparte na kodzie, aby dowiedzieć się, jak wdrożyć najczęstsze scenariusze uczenia maszynowego, takie jak wizja komputerowa, przetwarzanie języka naturalnego (NLP) i modelowanie sekwencji dla środowisk uruchomieniowych internetowych, mobilnych, chmurowych i osadzonych.
Ta książka jest praktycznym, praktycznym wprowadzeniem do Deep Learning z Keras.
Korzystając z konkretnych przykładów, minimalnej teorii i dwóch gotowych do produkcji środowisk Pythona — Scikit-Learn i TensorFlow — ta książka pomaga intuicyjnie zrozumieć koncepcje i narzędzia do budowania inteligentnych systemów.
Ten podręcznik do głębokiego uczenia się jest zasobem, który ma pomóc studentom i praktykom wejść w dziedzinę uczenia maszynowego w ogóle, a w szczególności głębokiego uczenia się.
Ta książka zawiera teoretyczne podstawy sieci neuronowych. Nie korzysta z TensorFlow, ale jest doskonałym punktem odniesienia dla uczniów zainteresowanych nauką więcej.
Praktyczne, kompleksowe podejście do podstaw TensorFlow.js dla szerokiego grona odbiorców technicznych. Po przeczytaniu tej książki będziesz wiedział, jak tworzyć i wdrażać gotowe do produkcji systemy głębokiego uczenia za pomocą TensorFlow.js.
Ta książka, napisana przez głównych autorów biblioteki TensorFlow, zawiera fascynujące przypadki użycia i szczegółowe instrukcje dotyczące aplikacji do głębokiego uczenia w JavaScript w przeglądarce lub w Node.
Kursy online
Wzięcie udziału w wieloczęściowym kursie online to dobry sposób na poznanie podstawowych koncepcji uczenia maszynowego. Wiele kursów zapewnia świetne objaśnienia wizualne i narzędzia potrzebne do rozpoczęcia stosowania uczenia maszynowego bezpośrednio w pracy lub w osobistych projektach.
DeepLearning.AI
Wprowadzenie do TensorFlow dla sztucznej inteligencji, uczenia maszynowego i głębokiego uczeniaTen kurs, opracowany we współpracy z zespołem TensorFlow, jest częścią specjalizacji dla programistów TensorFlow i nauczy Cię najlepszych praktyk korzystania z TensorFlow.
W tym kursie online opracowanym przez zespół TensorFlow i Udacity dowiesz się, jak tworzyć aplikacje do głębokiego uczenia się za pomocą TensorFlow.
DeepLearning.AI
Specjalizacja programisty TensorFlowPodczas tej czterokursowej specjalizacji prowadzonej przez programistę TensorFlow zapoznasz się z narzędziami i programistami używanymi do tworzenia skalowalnych algorytmów opartych na sztucznej inteligencji w TensorFlow.
Programiści Google'a
Crash Course uczenia maszynowegoCrash Course uczenia maszynowego z interfejsami API TensorFlow to przewodnik do samodzielnej nauki dla początkujących praktyków uczenia maszynowego. Zawiera serię lekcji z wykładami wideo, studiami przypadków z prawdziwego świata i praktycznymi ćwiczeniami.
Na tym kursie z MIT zdobędziesz podstawową wiedzę na temat algorytmów głębokiego uczenia się i zdobędziesz praktyczne doświadczenie w budowaniu sieci neuronowych w TensorFlow.
DeepLearning.AI
Specjalizacja Deep LearningNa pięciu kursach poznasz podstawy głębokiego uczenia się, zrozumiesz, jak budować sieci neuronowe, nauczysz się prowadzić udane projekty uczenia maszynowego i budować karierę w sztucznej inteligencji. Opanujesz nie tylko teorię, ale także zobaczysz, jak jest ona stosowana w przemyśle.
DeepLearning.AI
TensorFlow: Specjalizacja w zakresie danych i wdrażaniaWiesz już, jak budować i trenować modele. Teraz naucz się nawigować po różnych scenariuszach wdrażania i efektywniej wykorzystywać dane do trenowania swojego modelu w ramach tej czterokursowej specjalizacji.
DeepLearning.AI
TensorFlow: specjalizacja w zaawansowanych technikachTa specjalizacja jest przeznaczona dla inżynierów oprogramowania i ML, którzy mają podstawową wiedzę na temat TensorFlow i chcą poszerzyć swoją wiedzę i umiejętności, ucząc się zaawansowanych funkcji TensorFlow w celu tworzenia zaawansowanych modeli.
Dowiedz się, w jaki sposób możesz zwrócić większą uwagę na swoje nowatorskie badania lub zapewnić supermoce w swoich aplikacjach internetowych w przyszłej pracy dla swoich klientów lub firmy, w której pracujesz, dzięki internetowemu uczeniu maszynowemu.
Pojęcia matematyczne
Aby pogłębić swoją wiedzę ML, te zasoby mogą pomóc Ci zrozumieć podstawowe pojęcia matematyczne niezbędne do zaawansowania na wyższym poziomie.
Widok z lotu ptaka na algebrę liniową do uczenia maszynowego. Nigdy nie miałeś do czynienia z algebrą liniową lub znasz trochę podstawy i chcesz poczuć, jak jest ona używana w ML? To wideo jest dla Ciebie.
Imperial College w Londynie
Specjalizacja Matematyka dla uczenia maszynowegoTa specjalizacja online Coursera ma na celu wypełnienie luki między matematyką a uczeniem maszynowym, przyspieszenie znajomości podstawowej matematyki w celu zbudowania intuicyjnego zrozumienia i powiązanie go z uczeniem maszynowym i nauką o danych.
3blue1brown koncentruje się na przedstawianiu matematyki z podejściem wizualnym. W tej serii filmów poznasz podstawy sieci neuronowej i jej działanie za pomocą pojęć matematycznych.
Seria krótkich, wizualnych filmów od 3blue1brown, które wyjaśniają geometryczne rozumienie macierzy, wyznaczników, elementów własnych i nie tylko.
Seria krótkich, wizualnych filmów od 3blue1brown, które wyjaśniają podstawy rachunku różniczkowego w sposób, który daje dobre zrozumienie podstawowych twierdzeń, a nie tylko tego, jak działają równania.
Ten kurs wprowadzający z MIT obejmuje teorię macierzy i algebrę liniową. Nacisk kładzie się na tematy, które będą przydatne w innych dyscyplinach, w tym układy równań, przestrzenie wektorowe, wyznaczniki, wartości własne, podobieństwa i dodatnio określone macierze.
Ten wprowadzający kurs rachunku różniczkowego z MIT obejmuje różniczkowanie i całkowanie funkcji jednej zmiennej z aplikacjami.
Wizualne wprowadzenie do prawdopodobieństwa i statystyki.
Ta książka zawiera przystępny przegląd dziedziny uczenia się statystycznego, niezbędnego zestawu narzędzi do zrozumienia rozległego i złożonego świata zestawów danych potrzebnych do uczenia modeli w uczeniu maszynowym.
Zasoby TensorFlow
Zebraliśmy nasze ulubione zasoby, aby pomóc Ci rozpocząć pracę z bibliotekami i strukturami TensorFlow dostosowanymi do Twoich potrzeb. Przejdź do naszych sekcji dotyczących TensorFlow.js , TensorFlow Lite i TFX .
Możesz także przeglądać oficjalny przewodnik i samouczki TensorFlow w celu znalezienia najnowszych przykładów i współpracy.
Podstawy uczenia maszynowego to bezpłatny kurs szkoleniowy, podczas którego poznasz podstawy budowania modeli uczenia maszynowego przy użyciu TensorFlow.
To ML Tech Talk jest przeznaczone dla osób, które znają podstawy uczenia maszynowego, ale potrzebują przeglądu podstaw TensorFlow (tensory, zmienne i gradienty bez korzystania z interfejsów API wysokiego poziomu).
Ta rozmowa techniczna ML obejmuje uczenie się reprezentacji, rodziny sieci neuronowych i ich zastosowania, pierwsze spojrzenie na głęboką sieć neuronową oraz wiele przykładów kodu i koncepcji z TensorFlow.
W tej serii zespół TensorFlow przygląda się różnym częściom TensorFlow z perspektywy kodowania, oglądając filmy przedstawiające korzystanie z interfejsów API wysokiego poziomu TensorFlow, przetwarzanie języka naturalnego, neuronowe uczenie strukturalne i nie tylko.
Dowiedz się, jak rozpoznawać najczęstsze przypadki użycia ML, w tym analizować multimedia, tworzyć inteligentne wyszukiwanie, przekształcać dane i jak szybko wbudowywać je do aplikacji za pomocą przyjaznych dla użytkownika narzędzi.
Dla Javascriptu
Zapoznaj się z najnowszymi zasobami w witrynie TensorFlow.js .
Zdobądź praktyczną praktyczną wiedzę na temat używania ML w przeglądarce z JavaScript. Dowiedz się, jak pisać niestandardowe modele z pustej kanwy, ponownie szkolić modele za pomocą transferu i konwertować modele z języka Python.
Praktyczne, kompleksowe podejście do podstaw TensorFlow.js dla szerokiego grona odbiorców technicznych. Po przeczytaniu tej książki będziesz wiedział, jak tworzyć i wdrażać gotowe do produkcji systemy głębokiego uczenia za pomocą TensorFlow.js.
Trzyczęściowa seria, która bada zarówno uczenie, jak i wykonywanie modeli uczenia maszynowego za pomocą TensorFlow.js, i pokazuje, jak utworzyć model uczenia maszynowego w JavaScript, który jest wykonywany bezpośrednio w przeglądarce.
Przejdź od zera do bohatera dzięki Web ML przy użyciu TensorFlow.js. Dowiedz się, jak tworzyć aplikacje internetowe nowej generacji, które mogą działać po stronie klienta i być używane na prawie każdym urządzeniu.
Ta playlista wideo, będąca częścią większej serii poświęconej uczeniu maszynowemu i budowaniu sieci neuronowych, koncentruje się na TensorFlow.js, podstawowym interfejsie API oraz na tym, jak używać biblioteki JavaScript do trenowania i wdrażania modeli uczenia maszynowego.
Dla urządzeń mobilnych i urządzeń brzegowych
Poznaj najnowsze zasoby w TensorFlow Lite .
Programiści Google'a
Uczenie maszynowe na urządzeniuDowiedz się, jak utworzyć pierwszą aplikację ML na urządzeniu, korzystając ze ścieżek szkoleniowych, które zawierają przewodniki krok po kroku dotyczące typowych przypadków użycia, w tym klasyfikacji audio, wizualnego wyszukiwania produktów i nie tylko.
Dowiedz się, jak wdrażać modele głębokiego uczenia się na urządzeniach mobilnych i wbudowanych za pomocą TensorFlow Lite w tym kursie, opracowanym przez zespół TensorFlow i Udacity jako praktyczne podejście do wdrażania modeli dla programistów.
Zapoznaj się z praktycznym spojrzeniem na to, jak stworzyć system potoków produkcyjnych za pomocą TFX. Szybko omówimy wszystko, od pozyskiwania danych, budowania modeli, po wdrażanie i zarządzanie.
Ta książka przeprowadzi Cię przez kolejne etapy automatyzacji potoku ML przy użyciu ekosystemu TensorFlow. Przykłady uczenia maszynowego w tej książce są oparte na TensorFlow i Keras, ale podstawowe koncepcje można zastosować w dowolnym środowisku.
DeepLearning.AI
Specjalizacja Machine Learning Engineering for Production (MLOps).Rozwiń swoje możliwości inżynierii produkcji w tej czterokursowej specjalizacji. Dowiedz się, jak konceptualizować, budować i utrzymywać zintegrowane systemy, które nieprzerwanie działają w produkcji.
Ten zaawansowany kurs obejmuje komponenty TFX, orkiestrację i automatyzację potoków oraz zarządzanie metadanymi ML za pomocą Google Cloud.
Sztuczna inteligencja skoncentrowana na człowieku
Podczas projektowania modelu uczenia maszynowego lub tworzenia aplikacji opartych na sztucznej inteligencji należy wziąć pod uwagę ludzi wchodzących w interakcję z produktem oraz najlepszy sposób na zapewnienie uczciwości, możliwości interpretacji, prywatności i bezpieczeństwa w tych systemach sztucznej inteligencji.
Dowiedz się, jak zintegrować praktyki odpowiedzialnej sztucznej inteligencji z przepływem pracy uczenia maszynowego za pomocą TensorFlow.
Ten przewodnik od Google pomoże Ci tworzyć produkty oparte na sztucznej inteligencji skoncentrowane na człowieku. Umożliwi Ci to unikanie typowych błędów, projektowanie doskonałych środowisk i skupienie się na ludziach podczas tworzenia aplikacji opartych na sztucznej inteligencji.
Ten jednogodzinny moduł w ramach Google MLCC wprowadza uczniów w różne rodzaje ludzkich uprzedzeń, które mogą przejawiać się w danych szkoleniowych, a także strategie identyfikacji i oceny ich skutków.