พื้นฐานของแมชชีนเลิร์นนิงด้วย TensorFlow
หลักสูตรนี้เหมาะสำหรับผู้ที่:
- เพิ่งเคยใช้ ML แต่มีพื้นฐานการเขียนโปรแกรมระดับกลาง
เนื้อหานี้มีจุดมุ่งหมายเพื่อเป็นแนวทางให้กับนักพัฒนาที่เพิ่งเริ่มใช้ ML ตลอดช่วงเริ่มต้นของการเดินทาง ML คุณจะเห็นว่าทรัพยากรจำนวนมากใช้ TensorFlow อย่างไรก็ตาม ความรู้สามารถถ่ายโอนไปยังเฟรมเวิร์กแมชชีนเลิร์นนิงอื่นๆ ได้
ขั้นตอนที่ 1: ทำความเข้าใจว่า ML คืออะไร
TensorFlow 2.0 ได้รับการออกแบบมาเพื่อให้การสร้างโครงข่ายประสาทเทียมสำหรับการเรียนรู้ของเครื่องเป็นเรื่องง่าย ซึ่งเป็นสาเหตุที่ TensorFlow 2.0 ใช้ API ที่เรียกว่า Keras หนังสือ Deep Learning with Python โดย Francois Chollet ผู้สร้าง Keras เป็นสถานที่ที่ดีในการเริ่มต้น อ่านบทที่ 1-4 เพื่อทำความเข้าใจพื้นฐานของ ML จากมุมมองของโปรแกรมเมอร์ ครึ่งหลังของหนังสือจะเจาะลึกในด้านต่างๆ เช่น คอมพิวเตอร์วิทัศน์ การประมวลผลภาษาธรรมชาติ การเรียนรู้เชิงลึกเชิงสร้างสรรค์ และอื่นๆ อีกมากมาย ไม่ต้องกังวลหากหัวข้อเหล่านี้ก้าวหน้าเกินไปในขณะนี้ เพราะจะเข้าใจได้ง่ายกว่าเมื่อถึงเวลาที่กำหนด
หนังสือแนะนำเล่มนี้ให้แนวทางที่เน้นโค้ดเป็นอันดับแรกเพื่อเรียนรู้วิธีการนำสถานการณ์ ML ทั่วไปไปใช้ เช่น คอมพิวเตอร์วิทัศน์ การประมวลผลภาษาธรรมชาติ (NLP) และการสร้างแบบจำลองลำดับสำหรับเว็บ อุปกรณ์เคลื่อนที่ ระบบคลาวด์ และรันไทม์แบบฝัง
หนังสือเล่มนี้เป็นการแนะนำ Deep Learning with Keras ที่ใช้งานได้จริงและลงมือปฏิบัติจริง
⬆ หรือ ⬇
เข้าร่วมหลักสูตรออนไลน์ เช่น Introduction to TensorFlow ของ Coursera หรือ Intro to TensorFlow for Deep Learning ของ Udacity ซึ่งทั้งสองหลักสูตรครอบคลุมพื้นฐานเดียวกันกับหนังสือของ Francois คุณอาจพบว่า วิดีโอเหล่านี้ จาก 3blue1brown มีประโยชน์ ซึ่งจะให้คำอธิบายอย่างรวดเร็วเกี่ยวกับการทำงานของโครงข่ายประสาทเทียมในระดับคณิตศาสตร์
การทำขั้นตอนนี้ให้เสร็จสิ้นจะทำให้คุณมีพื้นฐานการทำงานของ ML และเตรียมคุณให้เจาะลึกยิ่งขึ้น
Deep Learning.AI
ข้อมูลเบื้องต้นเกี่ยวกับ TensorFlow สำหรับ AI, ML และ Deep Learningหลักสูตรนี้ได้รับการพัฒนาร่วมกับทีม TensorFlow โดยเป็นส่วนหนึ่งของความเชี่ยวชาญพิเศษของนักพัฒนา TensorFlow และจะสอนแนวทางปฏิบัติที่ดีที่สุดสำหรับการใช้ TensorFlow
ในหลักสูตรออนไลน์นี้พัฒนาโดยทีม TensorFlow และ Udacity คุณจะได้เรียนรู้วิธีสร้างแอปพลิเคชันการเรียนรู้เชิงลึกด้วย TensorFlow
ขั้นตอนที่ 2: นอกเหนือจากพื้นฐาน
รับ ความเชี่ยวชาญพิเศษของนักพัฒนา TensorFlow ซึ่งจะพาคุณไปไกลกว่าพื้นฐานไปสู่ Computer Vision, NLP และการสร้างแบบจำลองลำดับเบื้องต้น
การทำตามขั้นตอนนี้ให้เสร็จสิ้นจะดำเนินต่อไปตามการแนะนำของคุณ และสอนวิธีใช้ TensorFlow เพื่อสร้างโมเดลพื้นฐานสำหรับสถานการณ์ต่างๆ รวมถึงการจัดหมวดหมู่รูปภาพ การทำความเข้าใจความรู้สึกในข้อความ อัลกอริธึมเชิงสร้างสรรค์ และอื่นๆ อีกมากมาย
Deep Learning.AI
ความเชี่ยวชาญของนักพัฒนา TensorFlowในความเชี่ยวชาญพิเศษสี่หลักสูตรนี้สอนโดยนักพัฒนา TensorFlow คุณจะได้สำรวจเครื่องมือและนักพัฒนาซอฟต์แวร์ที่ใช้เพื่อสร้างอัลกอริธึมที่ขับเคลื่อนด้วย AI ที่ปรับขนาดได้ใน TensorFlow
ขั้นตอนที่ 3: ฝึกฝน
ลองใช้ บทช่วยสอน TensorFlow Core ของเรา ซึ่งจะช่วยให้คุณฝึกฝนแนวคิดที่คุณได้เรียนรู้ในขั้นตอนที่ 1 และ 2 เมื่อเสร็จแล้ว ให้ลองทำแบบฝึกหัดขั้นสูงบางส่วน
การทำขั้นตอนนี้ให้เสร็จสิ้นจะช่วยเพิ่มความเข้าใจเกี่ยวกับแนวคิดหลักและสถานการณ์จำลองที่คุณจะพบเมื่อสร้างโมเดล ML
ขั้นตอนที่ 4: เจาะลึกยิ่งขึ้นด้วย TensorFlow
ตอนนี้ถึงเวลากลับไปสู่ Deep Learning with Python โดย Francois และจบบทที่ 5-9 คุณควรอ่านหนังสือ Hands-on Machine Learning with Scikit-Learn, Keras และ TensorFlow โดย Aurelien Geron หนังสือเล่มนี้แนะนำ ML และการเรียนรู้เชิงลึกโดยใช้ TensorFlow 2.0
การทำตามขั้นตอนนี้จะทำให้คุณมีความรู้เบื้องต้นเกี่ยวกับ ML ครบถ้วน รวมถึงการขยายแพลตฟอร์มให้ตรงกับความต้องการของคุณ
การใช้ตัวอย่างที่เป็นรูปธรรม ทฤษฎีขั้นต่ำ และเฟรมเวิร์ก Python ที่พร้อมใช้งานจริงสองเฟรม ได้แก่ Scikit-Learn และ TensorFlow หนังสือเล่มนี้ช่วยให้คุณมีความเข้าใจอย่างเป็นธรรมชาติเกี่ยวกับแนวคิดและเครื่องมือสำหรับการสร้างระบบอัจฉริยะ