Основы машинного обучения с TensorFlow
Эта программа обучения предназначена для людей, которые:
- Новичок в ML, но имеет средний опыт программирования.
Этот контент предназначен для того, чтобы помочь разработчикам, плохо знакомым с ML, на начальных этапах их пути к ML. Вы увидите, что многие ресурсы используют TensorFlow, однако знания можно перенести в другие среды машинного обучения.
Шаг 1. Поймите, что такое машинное обучение
TensorFlow 2.0 предназначен для упрощения создания нейронных сетей для машинного обучения, поэтому TensorFlow 2.0 использует API под названием Keras. Книга «Глубокое обучение с помощью Python» Франсуа Шолле, создателя Keras, — отличное место для начала. Прочтите главы 1–4, чтобы понять основы машинного обучения с точки зрения программиста. Вторая половина книги посвящена таким областям, как компьютерное зрение, обработка естественного языка, генеративное глубокое обучение и многим другим. Не волнуйтесь, если эти темы сейчас слишком сложны, поскольку со временем они станут более понятными.
В этой вводной книге представлен подход «сначала код», позволяющий научиться реализовывать наиболее распространенные сценарии машинного обучения, такие как компьютерное зрение, обработка естественного языка (NLP) и моделирование последовательностей для веб-, мобильных, облачных и встроенных сред выполнения.
Эта книга представляет собой практическое введение в глубокое обучение с помощью Keras.
⬆ Или ⬇
Пройдите онлайн-курс, например «Введение в TensorFlow» от Coursera или «Введение в TensorFlow для глубокого обучения» от Udacity, оба из которых охватывают те же основы, что и книга Франсуа. Вам также могут оказаться полезными видеоролики от 3blue1brown, в которых можно быстро объяснить, как работают нейронные сети на математическом уровне.
Выполнение этого шага даст вам представление о том, как работает машинное обучение, и подготовит вас к более глубокому изучению.
Глубокое обучение.ИИ
Введение в TensorFlow для искусственного интеллекта, машинного обучения и глубокого обученияЭтот курс, разработанный в сотрудничестве с командой TensorFlow, является частью специализации разработчиков TensorFlow и научит вас лучшим практикам использования TensorFlow.
В этом онлайн-курсе, разработанном командой TensorFlow и Udacity, вы узнаете, как создавать приложения глубокого обучения с помощью TensorFlow.
Шаг 2. За пределами основ
Пройдите специализацию разработчика TensorFlow , которая выводит вас за рамки основ и знакомит с компьютерным зрением, НЛП и моделированием последовательностей.
Выполнение этого шага продолжит ваше введение и научит вас использовать TensorFlow для создания базовых моделей для различных сценариев, включая классификацию изображений, понимание тональности текста, генеративные алгоритмы и многое другое.
Глубокое обучение.ИИ
Специализация разработчика TensorFlowВ рамках этой специализации из четырех курсов, которую ведет разработчик TensorFlow, вы познакомитесь с инструментами и разработчиками программного обеспечения, которые используют для создания масштабируемых алгоритмов на базе искусственного интеллекта в TensorFlow.
Шаг 3: Практика
Попробуйте некоторые из наших руководств по TensorFlow Core , которые позволят вам попрактиковаться в концепциях, которые вы изучили на шагах 1 и 2. Когда вы закончите, попробуйте некоторые из более сложных упражнений.
Выполнение этого шага улучшит ваше понимание основных концепций и сценариев, с которыми вы столкнетесь при построении моделей ML.
Шаг 4. Углубитесь с TensorFlow
Теперь пришло время вернуться к книге Франсуа «Глубокое обучение с Python» и закончить главы 5–9. Вам также следует прочитать книгу Орелиена Герона «Практическое машинное обучение с помощью Scikit-Learn, Keras и TensorFlow» . Эта книга знакомит с машинным обучением и глубоким обучением с использованием TensorFlow 2.0.
Выполнение этого шага завершит ваши вводные знания в области машинного обучения, включая расширение платформы в соответствии с вашими потребностями.
Используя конкретные примеры, минимум теории и две готовые к использованию среды Python — Scikit-Learn и TensorFlow, — эта книга поможет вам получить интуитивное понимание концепций и инструментов для построения интеллектуальных систем.