Podstawy uczenia maszynowego z TensorFlow
Ten program jest przeznaczony dla osób, które:
- Nowicjusz w ML, ale mający doświadczenie w programowaniu na poziomie średniozaawansowanym
Ta zawartość ma na celu poprowadzić programistów, którzy dopiero zaczynają korzystać z ML, przez początkowe etapy ich podróży w ML. Zobaczysz, że wiele zasobów korzysta z TensorFlow, jednak wiedzę można przenieść na inne frameworki uczenia maszynowego.
Krok 1: Zrozum, o co chodzi w ML
TensorFlow 2.0 został zaprojektowany, aby ułatwić budowanie sieci neuronowych do uczenia maszynowego, dlatego TensorFlow 2.0 wykorzystuje API o nazwie Keras. Książka Deep Learning with Python autorstwa Francois Chollet, twórcy Keras, to świetne miejsce na rozpoczęcie pracy. Przeczytaj rozdziały 1-4, aby zrozumieć podstawy ML z perspektywy programisty. Druga połowa książki zagłębia się w takie obszary, jak widzenie komputerowe, przetwarzanie języka naturalnego, generatywne głębokie uczenie się i inne. Nie martw się, jeśli te tematy są teraz zbyt zaawansowane, ponieważ w odpowiednim czasie nabiorą sensu.
Ta wprowadzająca książka przedstawia podejście oparte na kodowaniu, aby dowiedzieć się, jak wdrożyć najczęstsze scenariusze ML, takie jak wizja komputerowa, przetwarzanie języka naturalnego (NLP) i modelowanie sekwencji w środowiskach wykonawczych internetowych, mobilnych, chmurowych i osadzonych.
Ta książka jest praktycznym, praktycznym wprowadzeniem do Deep Learning with Keras.
⬆ Lub ⬇
Weź udział w kursie online, takim jak Wprowadzenie do TensorFlow firmy Coursera lub Wprowadzenie do TensorFlow firmy Udacity w zakresie głębokiego uczenia , z których oba obejmują te same podstawy, co książka Francois. Pomocne mogą być również te filmy z 3blue1brown, które dostarczają szybkich wyjaśnień na temat działania sieci neuronowych na poziomie matematycznym.
Ukończenie tego kroku da Ci podstawy działania ML, przygotowując Cię do głębszego zagłębienia się.
DeepLearning.AI
Wprowadzenie do TensorFlow dla AI, ML i Deep LearningTen kurs, opracowany we współpracy z zespołem TensorFlow, jest częścią specjalizacji programistów TensorFlow i nauczy Cię najlepszych praktyk dotyczących 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.
Krok 2: Poza podstawami
Weź udział w specjalizacji programistycznej TensorFlow , która zabierze Cię poza podstawy do wprowadzenia do komputerowej wizji, NLP i modelowania sekwencji.
Ukończenie tego kroku stanowi kontynuację wprowadzenia i nauczy Cię, jak używać TensorFlow do tworzenia podstawowych modeli dla różnych scenariuszy, w tym klasyfikacji obrazów, zrozumienia tonacji w tekście, algorytmów generatywnych i innych.
DeepLearning.AI
Specjalizacja programisty TensorFlowW tej czterokursowej specjalizacji prowadzonej przez programistę TensorFlow poznasz narzędzia i oprogramowanie używane przez programistów do tworzenia skalowalnych algorytmów opartych na sztucznej inteligencji w TensorFlow.
Krok 3: Ćwicz
Wypróbuj niektóre z naszych samouczków TensorFlow Core , które pozwolą Ci przećwiczyć koncepcje, których nauczyłeś się w krokach 1 i 2. Po zakończeniu wypróbuj niektóre z bardziej zaawansowanych ćwiczeń.
Ukończenie tego kroku poprawi Twoje zrozumienie głównych koncepcji i scenariuszy, które napotkasz podczas budowania modeli ML.
Krok 4: Wejdź głębiej z TensorFlow
Teraz nadszedł czas, aby wrócić do Deep Learning with Python autorstwa Francois i zakończyć rozdziały 5-9. Powinieneś również przeczytać książkę Hands-on Machine Learning with Scikit-Learn, Keras i TensorFlow autorstwa Aureliena Gerona. Ta książka przedstawia ML i głębokie uczenie przy użyciu TensorFlow 2.0.
Ukończenie tego kroku uzupełni Twoją podstawową wiedzę na temat ML, w tym rozszerzenie platformy, aby spełnić Twoje potrzeby.
Korzystając z konkretnych przykładów, minimalnej teorii i dwóch gotowych do produkcji frameworków Python — Scikit-Learn i TensorFlow — ta książka pomoże Ci uzyskać intuicyjne zrozumienie koncepcji i narzędzi do budowania inteligentnych systemów.