TensorFlow Sumber Daya Pelajari ML Panduan _ _

Dasar-dasar pembelajaran mesin dengan TensorFlow

Kurikulum ini untuk orang-orang yang:

  • Baru mengenal ML, tetapi memiliki latar belakang pemrograman tingkat menengah

Konten ini dimaksudkan untuk memandu developer yang baru mengenal ML melalui tahap awal perjalanan ML mereka. Anda akan melihat bahwa banyak sumber daya menggunakan TensorFlow, namun, pengetahuan tersebut dapat ditransfer ke kerangka kerja pembelajaran mesin lainnya.

Langkah 1: Pahami apa itu ML

TensorFlow 2.0 dirancang untuk membuat pembangunan jaringan saraf untuk pembelajaran mesin menjadi mudah, itulah sebabnya TensorFlow 2.0 menggunakan API yang disebut Keras. Buku Deep Learning with Python oleh Francois Chollet, pencipta Keras, adalah tempat yang bagus untuk memulai. Baca bab 1-4 untuk memahami dasar-dasar ML dari sudut pandang programmer. Paruh kedua buku ini membahas bidang-bidang seperti Computer Vision, Natural Language Processing, Generative Deep Learning, dan banyak lagi. Jangan khawatir jika topik ini terlalu maju sekarang karena akan lebih masuk akal pada waktunya.

AI dan Pembelajaran Mesin untuk Coders
oleh Laurence Moroney

Buku pengantar ini memberikan pendekatan yang mengutamakan kode untuk mempelajari cara menerapkan skenario ML yang paling umum, seperti visi komputer, pemrosesan bahasa alami (NLP), dan pemodelan urutan untuk web, seluler, cloud, dan runtime tersemat.

Pembelajaran Mendalam dengan Python
oleh Francois Chollet

Buku ini adalah pengantar praktis dan langsung untuk Deep Learning with Keras.

Atau

Ikuti kursus online seperti Coursera's Introduction to TensorFlow atau Udacity's Intro to TensorFlow for Deep Learning , yang keduanya membahas dasar-dasar yang sama dengan buku Francois. Anda juga dapat menemukan video dari 3blue1brown ini bermanfaat, yang memberi Anda penjelasan singkat tentang bagaimana jaringan saraf bekerja pada tingkat matematika.

Menyelesaikan langkah ini akan memberi Anda dasar tentang cara kerja ML, mempersiapkan Anda untuk melangkah lebih dalam.

Pengantar TensorFlow untuk AI, ML, dan Pembelajaran Mendalam

Dikembangkan bersama tim TensorFlow, kursus ini adalah bagian dari Spesialisasi Pengembang TensorFlow dan akan mengajarkan Anda praktik terbaik untuk menggunakan TensorFlow.

Pengantar TensorFlow untuk Pembelajaran Mendalam

Dalam kursus online yang dikembangkan oleh tim TensorFlow dan Udacity ini, Anda akan mempelajari cara membuat aplikasi pembelajaran mendalam dengan TensorFlow.

Langkah 2: Di luar dasar-dasar

Ambil Spesialisasi Pengembang TensorFlow , yang membawa Anda melampaui dasar-dasar ke pengenalan Computer Vision, NLP, dan pemodelan Sequence.

Menyelesaikan langkah ini melanjutkan pengantar Anda, dan mengajarkan Anda cara menggunakan TensorFlow untuk membangun model dasar untuk berbagai skenario, termasuk klasifikasi gambar, memahami sentimen dalam teks, algoritme generatif, dan banyak lagi.

Spesialisasi Pengembang TensorFlow

Dalam Spesialisasi empat kursus yang diajarkan oleh pengembang TensorFlow ini, Anda akan menjelajahi alat dan pengembang perangkat lunak yang digunakan untuk membangun algoritme bertenaga AI yang skalabel di TensorFlow.

Langkah 3: Berlatih

Cobalah beberapa tutorial TensorFlow Core kami, yang memungkinkan Anda mempraktikkan konsep yang Anda pelajari di langkah 1 dan 2. Setelah selesai, cobalah beberapa latihan lanjutan.

Menyelesaikan langkah ini akan meningkatkan pemahaman Anda tentang konsep dan skenario utama yang akan Anda temui saat membuat model ML.

Langkah 4: Masuk lebih dalam dengan TensorFlow

Sekarang saatnya untuk kembali ke Deep Learning with Python oleh Francois dan menyelesaikan bab 5-9. Anda juga harus membaca buku Hands-on Machine Learning dengan Scikit-Learn, Keras, dan TensorFlow , oleh Aurelien Geron. Buku ini memperkenalkan ML dan pembelajaran mendalam menggunakan TensorFlow 2.0.

Menyelesaikan langkah ini akan melengkapi pengetahuan pengantar Anda tentang ML, termasuk memperluas platform untuk memenuhi kebutuhan Anda.

Pembelajaran Mesin Langsung dengan Scikit-Learn, Keras, dan TensorFlow
oleh Aurélien Géron

Menggunakan contoh nyata, teori minimal, dan dua kerangka kerja Python siap produksi—Scikit-Learn dan TensorFlow—buku ini membantu Anda memperoleh pemahaman intuitif tentang konsep dan alat untuk membangun sistem cerdas.