Mới làm quen với ML nhưng có nền tảng lập trình trung cấp
Nội dung này nhằm hướng dẫn các nhà phát triển mới làm quen với ML qua các giai đoạn đầu của hành trình ML của họ. Bạn sẽ thấy rằng nhiều tài nguyên sử dụng TensorFlow, tuy nhiên, kiến thức có thể được chuyển sang các khung học máy khác.
Bước 1: Hiểu ML là gì
TensorFlow 2.0 được thiết kế để giúp việc xây dựng mạng lưới thần kinh cho máy học trở nên dễ dàng, đó là lý do tại sao TensorFlow 2.0 sử dụng API có tên Keras. Cuốn sách Học sâu với Python của Francois Chollet, tác giả của Keras, là một cuốn sách tuyệt vời để bắt đầu. Đọc chương 1-4 để hiểu các nguyên tắc cơ bản của ML từ góc độ của một lập trình viên. Nửa sau của cuốn sách đi sâu vào các lĩnh vực như Thị giác máy tính, Xử lý ngôn ngữ tự nhiên, Học sâu sáng tạo, v.v. Đừng lo lắng nếu hiện tại những chủ đề này quá nâng cao vì chúng sẽ có ý nghĩa hơn trong thời gian tới.
Cuốn sách giới thiệu này cung cấp cách tiếp cận mã đầu tiên để tìm hiểu cách triển khai các kịch bản ML phổ biến nhất, chẳng hạn như thị giác máy tính, xử lý ngôn ngữ tự nhiên (NLP) và mô hình hóa trình tự cho web, thiết bị di động, đám mây và thời gian chạy nhúng.
Tham gia một khóa học trực tuyến như Giới thiệu về TensorFlow của Coursera hoặc Giới thiệu về TensorFlow cho học sâu của Udacity, cả hai đều bao gồm các nguyên tắc cơ bản giống như cuốn sách của Francois. Bạn cũng có thể thấy những video này của 3blue1Brown hữu ích vì chúng cung cấp cho bạn những giải thích nhanh chóng về cách mạng lưới thần kinh hoạt động ở cấp độ toán học.
Hoàn thành bước này sẽ cung cấp cho bạn nền tảng về cách thức hoạt động của ML, chuẩn bị cho bạn tiến sâu hơn.
Được phát triển với sự cộng tác của nhóm TensorFlow, khóa học này là một phần của Chuyên môn dành cho nhà phát triển TensorFlow và sẽ hướng dẫn bạn các phương pháp hay nhất để sử dụng TensorFlow.
Việc hoàn thành bước này sẽ tiếp tục phần giới thiệu của bạn và hướng dẫn bạn cách sử dụng TensorFlow để xây dựng các mô hình cơ bản cho nhiều tình huống khác nhau, bao gồm phân loại hình ảnh, hiểu cảm xúc trong văn bản, thuật toán tổng hợp, v.v.
Trong Chuyên môn gồm bốn khóa này do nhà phát triển TensorFlow giảng dạy, bạn sẽ khám phá các công cụ và nhà phát triển phần mềm sử dụng để xây dựng các thuật toán hỗ trợ AI có thể mở rộng trong TensorFlow.
Hãy thử một số hướng dẫn về TensorFlow Core của chúng tôi, điều này sẽ cho phép bạn thực hành các khái niệm bạn đã học ở bước 1 và 2. Khi hoàn thành, hãy thử một số bài tập nâng cao hơn.
Hoàn thành bước này sẽ nâng cao hiểu biết của bạn về các khái niệm và tình huống chính mà bạn sẽ gặp khi xây dựng mô hình ML.
Sử dụng các ví dụ cụ thể, lý thuyết tối thiểu và hai khung Python sẵn sàng sản xuất—Scikit-Learn và TensorFlow—cuốn sách này giúp bạn hiểu biết trực quan về các khái niệm và công cụ để xây dựng hệ thống thông minh.
[null,null,[],[],[],null,["# Basics of machine learning\n\n[TensorFlow](/tutorials) › [Resources](/resources/models-datasets) › [Learn ML](/resources/learn-ml) › [Guide](/resources/learn-ml/basics-of-machine-learning) › \n\nBasics of machine learning with TensorFlow\n==========================================\n\nThis curriculum is for people who are:\n\n- New to ML, but who have an intermediate programming background \nThis content is intended to guide developers new to ML through the beginning stages of their ML journey. You will see that many of the resources use TensorFlow, however, the knowledge is transferable to other machine learning frameworks. \n\nStep 1: Understand what ML is all about\n---------------------------------------\n\nTensorFlow 2.0 is designed to make building neural networks for machine learning easy, which is why TensorFlow 2.0 uses an API called Keras. The book [Deep Learning with Python](https://www.manning.com/books/deep-learning-with-python-second-edition) by Francois Chollet, creator of Keras, is a great place to get started. Read chapters 1-4 to understand the fundamentals of ML from a programmer's perspective. The second half of the book delves into areas like Computer Vision, Natural Language Processing, Generative Deep Learning, and more. Don't worry if these topics are too advanced right now as they will make more sense in due time. \n[AI and Machine Learning for Coders](https://www.oreilly.com/library/view/ai-and-machine/9781492078180/) \nby Laurence Moroney \nThis introductory book provides a code-first approach to learn how to implement the most common ML scenarios, such as computer vision, natural language processing (NLP), and sequence modeling for web, mobile, cloud, and embedded runtimes. \n[View book](https://www.oreilly.com/library/view/ai-and-machine/9781492078180/) \nCode \nTheory \nBuild \n[Deep Learning with Python](https://www.manning.com/books/deep-learning-with-python-second-edition) \nby Francois Chollet \nThis book is a practical, hands-on introduction to Deep Learning with Keras. \n[View book](https://www.manning.com/books/deep-learning-with-python-second-edition) \nCode \nTheory \nBuild \n\n##### ⬆ Or ⬇\n\nTake an online course such as Coursera's [Introduction to TensorFlow](https://www.coursera.org/learn/introduction-tensorflow) or Udacity's [Intro to TensorFlow for Deep Learning](https://www.udacity.com/course/intro-to-tensorflow-for-deep-learning--ud187), both of which cover the same fundamentals as Francois's book. You may also find [these videos](https://www.youtube.com/playlist?list=PLZHQObOWTQDNU6R1_67000Dx_ZCJB-3pi) from 3blue1brown helpful, which give you quick explanations about how neural networks work on a mathematical level.\n\nCompleting this step will give you the foundations of how ML works, preparing you to go deeper. \n\nDeepLearning.AI\n[Intro to TensorFlow for AI, ML, and Deep Learning](https://www.coursera.org/learn/introduction-tensorflow) \nDeveloped in collaboration with the TensorFlow team, this course is part of the TensorFlow Developer Specialization and will teach you best practices for using TensorFlow. \n[View course](https://www.coursera.org/learn/introduction-tensorflow) \nCode \nBuild \n[Intro to TensorFlow for Deep Learning](https://www.udacity.com/course/intro-to-tensorflow-for-deep-learning--ud187) \nIn this online course developed by the TensorFlow team and Udacity, you'll learn how to build deep learning applications with TensorFlow. \nFree [View course](https://www.udacity.com/course/intro-to-tensorflow-for-deep-learning--ud187) \nCode \nMath \nTheory \nBuild \n\nStep 2: Beyond the basics\n-------------------------\n\nTake the [TensorFlow Developer Specialization](https://www.coursera.org/specializations/tensorflow-in-practice), which takes you beyond the basics into introductory Computer Vision, NLP, and Sequence modelling.\n\nCompleting this step continues your introduction, and teaches you how to use TensorFlow to build basic models for a variety of scenarios, including image classification, understanding sentiment in text, generative algorithms, and more. \n\nDeepLearning.AI\n[TensorFlow Developer Specialization](https://www.coursera.org/specializations/tensorflow-in-practice) \nIn this four-course Specialization taught by a TensorFlow developer, you'll explore the tools and software developers use to build scalable AI-powered algorithms in TensorFlow. \n[View course](https://www.coursera.org/specializations/tensorflow-in-practice) \nCode \nBuild \n\nStep 3: Practice\n----------------\n\nTry some of our [TensorFlow Core tutorials](/tutorials), which will allow you to practice the concepts you learned in steps 1 and 2. When you're done, try some of the more advanced exercises.\n\nCompleting this step will improve your understanding of the main concepts and scenarios you will encounter when building ML models.\n\nStep 4: Go deeper with TensorFlow\n---------------------------------\n\nNow it's time to go back to [Deep Learning with Python](https://www.manning.com/books/deep-learning-with-python-second-edition) by Francois and finish chapters 5-9. You should also read the book [Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow](https://www.oreilly.com/library/view/hands-on-machine-learning/9781492032632/), by Aurelien Geron. This book introduces ML and deep learning using TensorFlow 2.0.\n\nCompleting this step will round out your introductory knowledge of ML, including expanding the platform to meet your needs. \n[Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow](https://www.oreilly.com/library/view/hands-on-machine-learning/9781492032632/) \nby Aurélien Géron \nUsing concrete examples, minimal theory, and two production-ready Python frameworks---Scikit-Learn and TensorFlow---this book helps you gain an intuitive understanding of the concepts and tools for building intelligent systems. \n[View book](https://www.oreilly.com/library/view/hands-on-machine-learning/9781492032632/) \nCode \nTheory \nBuild \n[Next\nTheoretical and advanced machine learning with TensorFlow](/resources/learn-ml/theoretical-and-advanced-machine-learning) \n\nLearn, develop and build with TensorFlow\n----------------------------------------\n\n[Get started](/learn)"]]
