Pembelajaran mesin teoretis dan canggih dengan TensorFlow
Sebelum memulai materi pembelajaran di bawah ini, pastikan untuk:
Lengkapi kurikulum kami Dasar-dasar pembelajaran mesin dengan TensorFlow , atau miliki pengetahuan yang setara
Memiliki pengalaman pengembangan perangkat lunak, terutama di Python
Kurikulum ini adalah titik awal bagi orang-orang yang ingin:
Tingkatkan pemahaman mereka tentang ML
Mulailah memahami dan mengimplementasikan makalah dengan TensorFlow
Anda harus sudah memiliki latar belakang pengetahuan tentang cara kerja ML atau menyelesaikan materi pembelajaran dalam kurikulum pemula Dasar-dasar pembelajaran mesin dengan TensorFlow sebelum melanjutkan. Konten di bawah ini dimaksudkan untuk memandu pelajar ke konten pembelajaran mesin yang lebih teoretis dan lanjutan. Anda akan melihat bahwa banyak sumber daya menggunakan TensorFlow, namun, pengetahuan tersebut dapat ditransfer ke kerangka kerja ML lainnya.
Untuk meningkatkan pemahaman Anda tentang ML, Anda harus memiliki pengalaman pemrograman Python serta latar belakang dalam kalkulus, aljabar linier, probabilitas, dan statistik. Untuk membantu Anda memperdalam pengetahuan ML Anda, kami telah mencantumkan sejumlah referensi dan kursus yang direkomendasikan dari universitas, serta beberapa buku teks.
Langkah 1: Segarkan pemahaman Anda tentang konsep matematika
ML adalah disiplin matematika yang berat. Jika Anda berencana untuk memodifikasi model ML, atau membuat model baru dari awal, pemahaman tentang konsep matematika yang mendasarinya adalah penting. Anda tidak harus mempelajari semua matematika di muka, tetapi Anda dapat mencari konsep yang tidak Anda kenal saat menemukannya. Jika Anda sudah lama tidak mengikuti kursus matematika, coba tonton playlist Essence of linear aljabar dan the Essence of calculus dari 3blue1brown untuk penyegaran. Kami menyarankan Anda untuk melanjutkan dengan mengambil kelas dari universitas, atau menonton kuliah akses terbuka dari MIT, seperti Aljabar Linier atau Kalkulus Variabel Tunggal .
Serangkaian video visual pendek dari 3blue1brown yang menjelaskan pemahaman geometris dari matriks, determinan, eigen-stuff, dan banyak lagi.
Serangkaian video visual pendek dari 3blue1brown yang menjelaskan dasar-dasar kalkulus dengan cara yang memberi Anda pemahaman yang kuat tentang teorema dasar, dan bukan hanya bagaimana persamaan bekerja.
Kursus pengantar dari MIT ini mencakup teori matriks dan aljabar linier. Penekanan diberikan pada topik yang akan berguna dalam disiplin ilmu lain, termasuk sistem persamaan, ruang vektor, determinan, nilai eigen, kesamaan, dan matriks pasti positif.
Kursus pengantar kalkulus dari MIT ini mencakup diferensiasi dan integrasi fungsi satu variabel, dengan aplikasi.
Langkah 2: Perdalam pemahaman Anda tentang pembelajaran mendalam dengan kursus dan buku ini
Tidak ada kursus tunggal yang akan mengajarkan Anda semua yang perlu Anda ketahui tentang pembelajaran mendalam. Salah satu pendekatan yang mungkin dapat membantu adalah dengan mengambil beberapa kursus pada waktu yang sama. Meskipun akan ada tumpang tindih dalam materi, meminta beberapa instruktur menjelaskan konsep dengan cara yang berbeda dapat membantu, terutama untuk topik yang kompleks. Berikut adalah beberapa kursus yang kami sarankan untuk membantu Anda memulai. Anda dapat menjelajahi masing-masingnya bersama-sama, atau cukup pilih salah satu yang menurut Anda paling relevan.
Ingat, semakin banyak Anda belajar, dan memperkuat konsep-konsep ini melalui latihan, semakin mahir Anda membangun dan mengevaluasi model ML Anda sendiri.
Ikuti kursus ini:
Kursus MIT 6.S191: Pengantar Pembelajaran Mendalam adalah kursus pengantar untuk Pembelajaran Mendalam dengan TensorFlow dari MIT dan juga sumber yang bagus.
Spesialisasi Pembelajaran Mendalam Andrew Ng di Coursera juga mengajarkan dasar-dasar pembelajaran mendalam, termasuk jaringan konvolusi, RNNS, LSTM, dan banyak lagi. Spesialisasi ini dirancang untuk membantu Anda menerapkan pembelajaran mendalam dalam pekerjaan Anda, dan untuk membangun karier di AI.
Dalam kursus dari MIT ini, Anda akan memperoleh pengetahuan dasar tentang algoritme pembelajaran mendalam dan mendapatkan pengalaman praktis dalam membangun jaringan saraf di TensorFlow.
DeepLearning.AI
Spesialisasi Pembelajaran MendalamDalam lima kursus, Anda akan mempelajari dasar-dasar Pembelajaran Mendalam, memahami cara membangun jaringan saraf, dan mempelajari cara memimpin proyek pembelajaran mesin yang sukses dan membangun karier di AI. Anda tidak hanya akan menguasai teorinya, tetapi juga melihat bagaimana penerapannya di industri.
Dan Bacalah buku-buku ini:
Untuk melengkapi apa yang Anda pelajari dalam kursus yang tercantum di atas, kami sarankan Anda menyelam lebih dalam dengan membaca buku-buku di bawah ini. Setiap buku tersedia online, dan menawarkan materi tambahan untuk membantu Anda berlatih.
Anda dapat mulai dengan membaca Deep Learning: An MIT Press Book oleh Ian Goodfellow, Yoshua Bengio, dan Aaron Courville. Buku teks Deep Learning adalah sumber daya canggih yang dimaksudkan untuk membantu siswa memperdalam pemahaman mereka. Buku ini disertai dengan situs web , yang menyediakan berbagai materi tambahan, termasuk latihan, slide kuliah, koreksi kesalahan, dan sumber daya lain untuk memberi Anda praktik langsung dengan konsep-konsep tersebut.
Anda juga dapat menjelajahi buku online Michael Nielsen Neural Networks and Deep Learning . Buku ini memberikan latar belakang teoretis tentang jaringan saraf. Itu tidak menggunakan TensorFlow, tetapi merupakan referensi yang bagus untuk siswa yang tertarik untuk mempelajari lebih lanjut.
Buku teks Deep Learning ini adalah sumber yang dimaksudkan untuk membantu siswa dan praktisi memasuki bidang pembelajaran mesin secara umum, dan pembelajaran mendalam pada khususnya.
Buku ini memberikan latar belakang teoretis tentang jaringan saraf. Itu tidak menggunakan TensorFlow, tetapi merupakan referensi yang bagus untuk siswa yang tertarik untuk mempelajari lebih lanjut.
Langkah 3: Baca dan terapkan makalah dengan TensorFlow
Pada titik ini, kami merekomendasikan membaca makalah dan mencoba tutorial lanjutan di situs web kami, yang berisi implementasi dari beberapa publikasi terkenal. Cara terbaik untuk mempelajari aplikasi lanjutan, terjemahan mesin , atau teks gambar , adalah dengan membaca makalah yang ditautkan dari tutorial. Saat Anda mengerjakannya, temukan bagian kode yang relevan, dan gunakan untuk membantu memperkuat pemahaman Anda.
Pembelajaran mesin teoretis dan canggih dengan TensorFlow
Sebelum memulai materi pembelajaran di bawah ini, pastikan untuk:
Lengkapi kurikulum kami Dasar-dasar pembelajaran mesin dengan TensorFlow , atau miliki pengetahuan yang setara
Memiliki pengalaman pengembangan perangkat lunak, terutama di Python
Kurikulum ini adalah titik awal bagi orang-orang yang ingin:
Tingkatkan pemahaman mereka tentang ML
Mulailah memahami dan mengimplementasikan makalah dengan TensorFlow
Anda harus sudah memiliki latar belakang pengetahuan tentang cara kerja ML atau menyelesaikan materi pembelajaran dalam kurikulum pemula Dasar-dasar pembelajaran mesin dengan TensorFlow sebelum melanjutkan. Konten di bawah ini dimaksudkan untuk memandu pelajar ke konten pembelajaran mesin yang lebih teoretis dan lanjutan. Anda akan melihat bahwa banyak sumber daya menggunakan TensorFlow, namun, pengetahuan tersebut dapat ditransfer ke kerangka kerja ML lainnya.
Untuk meningkatkan pemahaman Anda tentang ML, Anda harus memiliki pengalaman pemrograman Python serta latar belakang dalam kalkulus, aljabar linier, probabilitas, dan statistik. Untuk membantu Anda memperdalam pengetahuan ML Anda, kami telah mencantumkan sejumlah referensi dan kursus yang direkomendasikan dari universitas, serta beberapa buku teks.
Langkah 1: Segarkan pemahaman Anda tentang konsep matematika
ML adalah disiplin matematika yang berat. Jika Anda berencana untuk memodifikasi model ML, atau membuat model baru dari awal, pemahaman tentang konsep matematika yang mendasarinya adalah penting. Anda tidak harus mempelajari semua matematika di muka, tetapi Anda dapat mencari konsep yang tidak Anda kenal saat menemukannya. Jika Anda sudah lama tidak mengikuti kursus matematika, coba tonton playlist Essence of linear aljabar dan the Essence of calculus dari 3blue1brown untuk penyegaran. Kami menyarankan Anda untuk melanjutkan dengan mengambil kelas dari universitas, atau menonton kuliah akses terbuka dari MIT, seperti Aljabar Linier atau Kalkulus Variabel Tunggal .
Serangkaian video visual pendek dari 3blue1brown yang menjelaskan pemahaman geometris dari matriks, determinan, eigen-stuff, dan banyak lagi.
Serangkaian video visual pendek dari 3blue1brown yang menjelaskan dasar-dasar kalkulus dengan cara yang memberi Anda pemahaman yang kuat tentang teorema dasar, dan bukan hanya bagaimana persamaan bekerja.
Kursus pengantar dari MIT ini mencakup teori matriks dan aljabar linier. Penekanan diberikan pada topik yang akan berguna dalam disiplin ilmu lain, termasuk sistem persamaan, ruang vektor, determinan, nilai eigen, kesamaan, dan matriks pasti positif.
Kursus pengantar kalkulus dari MIT ini mencakup diferensiasi dan integrasi fungsi satu variabel, dengan aplikasi.
Langkah 2: Perdalam pemahaman Anda tentang pembelajaran mendalam dengan kursus dan buku ini
Tidak ada kursus tunggal yang akan mengajarkan Anda semua yang perlu Anda ketahui tentang pembelajaran mendalam. Salah satu pendekatan yang mungkin dapat membantu adalah dengan mengambil beberapa kursus pada waktu yang sama. Meskipun akan ada tumpang tindih dalam materi, meminta beberapa instruktur menjelaskan konsep dengan cara yang berbeda dapat membantu, terutama untuk topik yang kompleks. Berikut adalah beberapa kursus yang kami sarankan untuk membantu Anda memulai. Anda dapat menjelajahi masing-masingnya bersama-sama, atau cukup pilih salah satu yang menurut Anda paling relevan.
Ingat, semakin banyak Anda belajar, dan memperkuat konsep-konsep ini melalui latihan, semakin mahir Anda membangun dan mengevaluasi model ML Anda sendiri.
Ikuti kursus ini:
Kursus MIT 6.S191: Pengantar Pembelajaran Mendalam adalah kursus pengantar untuk Pembelajaran Mendalam dengan TensorFlow dari MIT dan juga sumber yang bagus.
Spesialisasi Pembelajaran Mendalam Andrew Ng di Coursera juga mengajarkan dasar-dasar pembelajaran mendalam, termasuk jaringan konvolusi, RNNS, LSTM, dan banyak lagi. Spesialisasi ini dirancang untuk membantu Anda menerapkan pembelajaran mendalam dalam pekerjaan Anda, dan untuk membangun karier di AI.
Dalam kursus dari MIT ini, Anda akan memperoleh pengetahuan dasar tentang algoritme pembelajaran mendalam dan mendapatkan pengalaman praktis dalam membangun jaringan saraf di TensorFlow.
DeepLearning.AI
Spesialisasi Pembelajaran MendalamDalam lima kursus, Anda akan mempelajari dasar-dasar Pembelajaran Mendalam, memahami cara membangun jaringan saraf, dan mempelajari cara memimpin proyek pembelajaran mesin yang sukses dan membangun karier di AI. Anda tidak hanya akan menguasai teorinya, tetapi juga melihat bagaimana penerapannya di industri.
Dan Bacalah buku-buku ini:
Untuk melengkapi apa yang Anda pelajari dalam kursus yang tercantum di atas, kami sarankan Anda menyelam lebih dalam dengan membaca buku-buku di bawah ini. Setiap buku tersedia online, dan menawarkan materi tambahan untuk membantu Anda berlatih.
Anda dapat mulai dengan membaca Deep Learning: An MIT Press Book oleh Ian Goodfellow, Yoshua Bengio, dan Aaron Courville. Buku teks Deep Learning adalah sumber daya canggih yang dimaksudkan untuk membantu siswa memperdalam pemahaman mereka. Buku ini disertai dengan situs web , yang menyediakan berbagai materi tambahan, termasuk latihan, slide kuliah, koreksi kesalahan, dan sumber daya lain untuk memberi Anda praktik langsung dengan konsep-konsep tersebut.
Anda juga dapat menjelajahi buku online Michael Nielsen Neural Networks and Deep Learning . Buku ini memberikan latar belakang teoretis tentang jaringan saraf. Itu tidak menggunakan TensorFlow, tetapi merupakan referensi yang bagus untuk siswa yang tertarik untuk mempelajari lebih lanjut.
Buku teks Deep Learning ini adalah sumber yang dimaksudkan untuk membantu siswa dan praktisi memasuki bidang pembelajaran mesin secara umum, dan pembelajaran mendalam pada khususnya.
Buku ini memberikan latar belakang teoretis tentang jaringan saraf. Itu tidak menggunakan TensorFlow, tetapi merupakan referensi yang bagus untuk siswa yang tertarik untuk mempelajari lebih lanjut.
Langkah 3: Baca dan terapkan makalah dengan TensorFlow
Pada titik ini, kami merekomendasikan membaca makalah dan mencoba tutorial lanjutan di situs web kami, yang berisi implementasi dari beberapa publikasi terkenal. Cara terbaik untuk mempelajari aplikasi lanjutan, terjemahan mesin , atau teks gambar , adalah dengan membaca makalah yang ditautkan dari tutorial. Saat Anda mengerjakannya, temukan bagian kode yang relevan, dan gunakan untuk membantu memperkuat pemahaman Anda.