Google 致力于为黑人社区推动种族平等。查看具体举措
Ta strona została przetłumaczona przez Cloud Translation API.
Switch to English

Podstawy uczenia maszynowego z TensorFlow

Zanim zaczniesz korzystać z poniższych materiałów szkoleniowych, upewnij się, że:

  • Masz doświadczenie w tworzeniu oprogramowania, szczególnie w Pythonie

Ten program jest przeznaczony dla osób, które:

  • Nowy w ML, ale mający wykształcenie informatyczne lub programistyczne

Ta zawartość ma na celu poprowadzenie programistów, którzy nie mają doświadczenia w ML, przez początkowe etapy ich podróży ML. Przekonasz się, że wiele zasobów korzysta z TensorFlow, jednak wiedzę można przenieść do innych platform uczenia maszynowego.

Krok 1: Zrozum, o co chodzi w ML

TensorFlow 2.0 ma na celu ułatwienie budowy sieci neuronowych do uczenia maszynowego, dlatego TensorFlow 2.0 wykorzystuje API o nazwie Keras. Książka „ Deep Learning in Python ” autorstwa Francois Chollet, twórcy Keras, to świetne miejsce na rozpoczęcie. 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 uczenie głębokie i inne. Nie martw się, jeśli te tematy są teraz zbyt zaawansowane, ponieważ w odpowiednim czasie nabiorą więcej sensu.

Książki
Głębokie uczenie z Pythonem - Francois Chollet

Ta książka jest praktycznym, praktycznym wprowadzeniem do Deep Learning z Kerasem.

⬆ Lub ⬇

Weź udział w kursie online, takim jak Wprowadzenie do TensorFlow firmy Coursera lub Wprowadzenie do TensorFlow dla głębokiego uczenia Udacity , z których oba obejmują te same podstawy co książka Francois. Przydatne mogą być również filmy wideo od 3blue1brown, które zawierają szybkie wyjaśnienia dotyczące działania sieci neuronowych na poziomie matematycznym.

Ukończenie tego kroku da ci podstawy, jak działa ML, przygotowując cię do głębszego.

Wstępne kursy online
deeplearning.ai: Wprowadzenie do TensorFlow dla AI, ML i Deep Learning

Opracowany we współpracy z zespołem TensorFlow, ten kurs jest częścią specjalizacji TensorFlow w praktyce i nauczy Cię najlepszych praktyk korzystania z TensorFlow.

Wstępne kursy online
Udacity: wprowadzenie do TensorFlow do głębokiego uczenia się

W tym kursie online opracowanym przez zespół TensorFlow i Udacity dowiesz się, jak tworzyć aplikacje do głębokiego uczenia za pomocą TensorFlow.

Krok 2: Poza podstawami

Skorzystaj ze specjalizacji TensorFlow w praktyce , która zabierze Cię poza podstawy i obejmuje wprowadzenie do komputerowego widzenia, NLP i modelowania sekwencyjnego.

Ukończenie tego kroku stanowi kontynuację wprowadzenia i uczy, jak używać TensorFlow do tworzenia podstawowych modeli dla różnych scenariuszy, w tym klasyfikacji obrazów, zrozumienia sentymentu w tekście, algorytmów generujących i nie tylko.

Wstępne kursy online
deeplearning.ai: TensorFlow w praktyce specjalizacji

W tym kursie poznasz narzędzia 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 poznane w krokach 1 i 2. Gdy skończysz, wypróbuj niektóre z bardziej zaawansowanych ćwiczeń, które znajdują się w lewej części strony.

Wykonanie tego kroku pozwoli lepiej zrozumieć główne koncepcje i scenariusze, które napotkasz podczas tworzenia modeli ML.

Krok 4: Wejdź głębiej dzięki TensorFlow

Teraz czas wrócić do „Deep Learning in Python” Francois i zakończyć rozdziały 5–9. Każdy przykład w tej książce będzie działał w TensorFlow 2.0, po prostu zmieniając import. Powinieneś także przeczytać książkę Hands-on Machine Learning with Scikit-Learn, Keras i TensorFlow , autorstwa Aurelien Geron. Ta książka wprowadza ML przy użyciu scikit-Learn, a także głębokiego uczenia się przy użyciu TensorFlow 2.0.

Ukończenie tego kroku uzupełni Twoją wstępną wiedzę na temat ML, w tym rozszerzenie platformy w celu zaspokojenia Twoich potrzeb.

Książki
Praktyczne uczenie maszynowe ze Scikit-Learn, Keras i TensorFlow, 2. edycja, autorstwa Aurélien Géron

Korzystając z konkretnych przykładów i dwóch gotowych do produkcji frameworków Pythona - Scikit-Learn i TensorFlow - ta książka pomoże Ci w intuicyjnym zrozumieniu koncepcji i narzędzi do tworzenia inteligentnych systemów.