Google I/O is a wrap! Catch up on TensorFlow sessions View sessions

Học máy lý thuyết và nâng cao với TensorFlow

Trước khi bắt đầu với các tài liệu học tập bên dưới, hãy đảm bảo:

  1. Hoàn thành chương trình giảng dạy của chúng tôi Khái niệm cơ bản của máy học với TensorFlow , hoặc có kiến thức tương đương

  2. Có kinh nghiệm phát triển phần mềm, đặc biệt là bằng Python

Chương trình giảng dạy này là điểm khởi đầu cho những người muốn:

  1. Nâng cao hiểu biết của họ về ML

  2. Bắt đầu hiểu và thực hiện các giấy tờ với TensorFlow

Bạn nên đã có kiến thức cơ bản về cách ML làm việc hoặc hoàn thành tài liệu học tập trong chương trình mới bắt đầu Khái niệm cơ bản của máy học với TensorFlow trước khi tiếp tục. Nội dung dưới đây nhằm hướng người học đến những nội dung lý thuyết và nâng cao hơn về học máy. Bạn sẽ thấy rằng nhiều tài nguyên sử dụng TensorFlow, tuy nhiên, kiến ​​thức có thể chuyển sang các khuôn khổ ML khác.

Để hiểu thêm về ML, bạn nên có kinh nghiệm lập trình Python cũng như nền tảng về giải tích, đại số tuyến tính, xác suất và thống kê. Để giúp bạn đào sâu kiến ​​thức ML của mình, chúng tôi đã liệt kê một số tài nguyên và khóa học được đề xuất từ ​​các trường đại học, cũng như một số sách giáo khoa.

Bước 1: Làm mới sự hiểu biết của bạn về các khái niệm toán học

ML là một môn học nặng về toán học. Nếu bạn định sửa đổi mô hình ML hoặc xây dựng mô hình mới từ đầu, thì việc làm quen với các khái niệm toán học cơ bản là rất quan trọng. Bạn không cần phải học trước tất cả các phép toán, nhưng thay vào đó, bạn có thể tra cứu các khái niệm mà bạn không quen khi bắt gặp chúng. Nếu nó được một lúc kể từ khi bạn đã thực hiện một toán nhiên, hãy thử xem Essence của đại số tuyến tínhEssence of calculus playlists từ 3blue1brown cho một bồi dưỡng. Chúng tôi khuyên bạn nên tiếp tục bằng cách tham gia một lớp học từ một trường đại học, hoặc xem các bài giảng truy cập mở cửa từ MIT, chẳng hạn như Linear Algebra hoặc Variable Độc Calculus .

Bản chất của Đại số tuyến tính
bởi 3Blue1Brown

Một loạt video ngắn, trực quan từ 3blue1brown giải thích sự hiểu biết về hình học của ma trận, định thức, eigen và hơn thế nữa.

Rảnh rỗi
Xem loạt bài  
Bản chất của Giải tích
bởi 3Blue1Brown

Một loạt video ngắn, trực quan từ 3blue1brown giải thích các nguyên tắc cơ bản của phép tính giải tích theo cách giúp bạn hiểu rõ hơn về các định lý cơ bản chứ không chỉ cách hoạt động của các phương trình.

Rảnh rỗi
Xem loạt bài  
MIT 18.06: Đại số tuyến tính

Khóa học nhập môn này của MIT bao gồm lý thuyết ma trận và đại số tuyến tính. Nhấn mạnh vào các chủ đề sẽ hữu ích trong các lĩnh vực khác, bao gồm hệ phương trình, không gian vectơ, định thức, giá trị riêng, độ tương tự và ma trận xác định dương.

Rảnh rỗi
Xem khóa học  
MIT 18.01: Phép tính một biến duy nhất

Khóa học giải tích nhập môn này của MIT bao gồm sự khác biệt và tích hợp các hàm của một biến, với các ứng dụng.

Rảnh rỗi
Xem khóa học  

Bước 2: Hiểu sâu hơn về cách học sâu với các khóa học và sách này

Không có khóa học nào dạy bạn mọi thứ bạn cần biết về học sâu. Một cách tiếp cận có thể hữu ích là tham gia một vài khóa học cùng một lúc. Mặc dù sẽ có sự trùng lặp trong tài liệu, nhưng việc có nhiều người hướng dẫn giải thích các khái niệm theo những cách khác nhau có thể hữu ích, đặc biệt là đối với các chủ đề phức tạp. Dưới đây là một số khóa học chúng tôi đề xuất để giúp bạn bắt đầu. Bạn có thể khám phá từng người trong số họ cùng nhau hoặc chỉ cần chọn những người cảm thấy phù hợp nhất với bạn.

Hãy nhớ rằng, bạn càng học nhiều và củng cố những khái niệm này thông qua thực hành, bạn sẽ càng thành thạo hơn trong việc xây dựng và đánh giá các mô hình ML của riêng mình.

Tham gia các khóa học sau:

MIT nhiên 6.S191: Giới thiệu về Sâu Learning là một khóa học giới thiệu cho Sâu Learning với TensorFlow từ MIT và cũng là một nguồn tuyệt vời.

Andrew Ng của Sâu học Chuyên ngành tại Coursera cũng dạy nền tảng của học sâu, kể cả mạng chập, RNNS, LSTMs, và nhiều hơn nữa. Chuyên môn này được thiết kế để giúp bạn áp dụng phương pháp học sâu trong công việc và xây dựng sự nghiệp trong lĩnh vực AI.

MIT 6.S191: Giới thiệu về Học sâu

Trong khóa học này từ MIT, bạn sẽ có được kiến ​​thức nền tảng về các thuật toán học sâu và có được kinh nghiệm thực tế trong việc xây dựng mạng nơ-ron trong TensorFlow.

Rảnh rỗi
Xem khóa học  
Chuyên môn học sâu

Trong năm khóa học, bạn sẽ tìm hiểu nền tảng của Học sâu, hiểu cách xây dựng mạng lưới thần kinh và học cách dẫn dắt các dự án học máy thành công và xây dựng sự nghiệp trong lĩnh vực AI. Bạn sẽ không chỉ nắm vững lý thuyết, mà còn xem nó được áp dụng như thế nào trong ngành công nghiệp.

⬆ Và ⬇ Đọc những cuốn sách này:

Để bổ sung những gì bạn học được trong các khóa học được liệt kê ở trên, chúng tôi khuyên bạn nên tìm hiểu sâu hơn bằng cách đọc những cuốn sách dưới đây. Mỗi cuốn sách đều có sẵn trực tuyến và cung cấp các tài liệu bổ sung để giúp bạn thực hành.

Bạn có thể bắt đầu bằng cách đọc sâu học tập: Một MIT Press Book bởi Ian Goodfellow, Yoshua Bengio, và Aaron Courville. Sách giáo khoa Học sâu là một nguồn tài liệu nâng cao nhằm giúp học sinh hiểu sâu hơn. Cuốn sách này được đi kèm với một trang web , cung cấp một loạt các vật liệu bổ sung, bao gồm các bài tập, slide bài giảng, điều chỉnh các sai lầm, và các nguồn lực khác để cung cấp cho bạn tay vào thực hành với các khái niệm.

Bạn cũng có thể khám phá cuốn sách trực tuyến Michael Nielsen Neural Networks và Deep Learning . Cuốn sách này cung cấp một nền tảng lý thuyết về mạng nơ-ron. Nó không sử dụng TensorFlow, nhưng là một tài liệu tham khảo tuyệt vời cho sinh viên muốn tìm hiểu thêm.

Học kĩ càng
bởi Ian Goodfellow, Yoshua Bengio và Aaron Courville

Sách giáo khoa Deep Learning này là một nguồn tài liệu nhằm giúp sinh viên và các học viên tham gia vào lĩnh vực máy học nói chung và học sâu nói riêng.

Rảnh rỗi
Xem sách  
Mạng thần kinh và học sâu
bởi Michael Nielsen

Cuốn sách này cung cấp một nền tảng lý thuyết về mạng nơ-ron. Nó không sử dụng TensorFlow, nhưng là một tài liệu tham khảo tuyệt vời cho sinh viên muốn tìm hiểu thêm.

Rảnh rỗi
Xem sách  

Bước 3: Đọc và thực hiện các bài báo với TensorFlow

Tại thời điểm này, chúng tôi khuyên bạn nên đọc các giấy tờ và cố gắng các hướng dẫn tiên tiến trên trang web của chúng tôi, có chứa hiện thực của một vài ấn phẩm nổi tiếng. Cách tốt nhất để học một ứng dụng tiên tiến, dịch máy , hoặc phụ đề hình ảnh , là để đọc các giấy liên kết từ hướng dẫn. Khi bạn làm việc thông qua nó, hãy tìm các phần có liên quan của mã và sử dụng chúng để giúp củng cố sự hiểu biết của bạn.