循序漸進的學習之路
To become an expert in machine learning, you first need a strong foundation in four learning areas: coding, math, ML theory, and how to build your own ML project from start to finish.
Begin with TensorFlow's curated curriculums to improve these four skills, or choose your own learning path by exploring our resource library below.
機器學習教學的四大領域
踏上學習之路時，請務必先瞭解如何自學機器學習。我們將學習過程分為四個知識領域，每個領域都是機器學習不可或缺的一部分。為協助你更快上手，我們找了一些書籍、影片和線上課程來提升你的能力，讓你做好準備，在專案中運用機器學習。我們的引導式課程旨在提升你的知識，因此可以先從這裡著手，或是探索我們的資源庫，選擇自己的學習路徑。
TensorFlow 課程
我們的引導式學程包含推薦課程、書籍和影片，你可以從任何一項開始學習。
透過這些書籍和線上課程，瞭解機器學習的基本知識。您將認識機器學習技術，並在這些書籍與課程的引導下瞭解如何使用 TensorFlow 2.0 進行深度學習。接下來，您將有機會透過新手教學課程練習所學內容。
瞭解使用 JavaScript 開發機器學習模型的基本知識，以及如何直接在瀏覽器中進行部署。課程會介紹深度學習概論，並附帶練習題引領學員實際動手使用 TensorFlow.js。
這本介紹書提供以程式碼為優先的方法，讓你瞭解如何導入最常見的機器學習情境，例如電腦視覺、自然語言處理 (NLP)，以及建立用於網路、行動、雲端和嵌入執行階段的序列模型。
本書使用具體範例、極小理論和兩個可用於實際工作環境的 Python 架構 (Scikit-Learn 及 TensorFlow)，讓你輕鬆掌握建構智慧系統的概念和工具。
本書提供了有關類神經網路的理論背景。書中未使用到 TensorFlow，但對有興趣瞭解詳情的學生來說是很棒的參考資料。
透過端對端實作的方式，協助各領域的技術人士掌握 TensorFlow.js 基礎知識。讀完這本書後，您將瞭解如何使用 TensorFlow.js 建構及部署可用於生產環境的深度學習系統。
本書是由 TensorFlow 程式庫的主要作者群所著，針對在瀏覽器或節點上以 JavaScript 進行深度學習的應用程式，提供有趣的使用案例和深入的操作說明。
DeepLearning.AI
Intro to TensorFlow for AI, ML, and Deep Learning這個課程是與 TensorFlow 團隊合作開發，屬於 TensorFlow Developer Specialization 的一部分，針對 TensorFlow 的使用方式提供最佳做法指導。
在這門由 TensorFlow 團隊和 Udacity 合作開發的線上課程中，你將瞭解如何使用 TensorFlow 建構深度學習應用程式。
DeepLearning.AI
TensorFlow Developer Specialization在這四門由 TensorFlow 開發人員講授的專項課程中，你將探索開發人員在 TensorFlow 中使用哪些工具和軟體來打造可擴充的 AI 技術演算法。
在這門 MIT 課程中，你可以從中獲得深度學習演算法基礎知識，以及使用 TensorFlow 打造類神經網路的實務經驗。
DeepLearning.AI
Deep Learning Specialization在這五門課程中，你將學到深度學習的基礎、瞭解如何打造類神經網路，並學習如何成功帶領機器學習專案，以及開創 AI 事業。不僅可以掌握理論，還能一窺業界的應用情形。
DeepLearning.AI
TensorFlow: Data and Deployment Specialization如果你已瞭解如何建構並訓練模型，現在可進入這四堂專項課程，以熟悉各種部署情境，並瞭解如何更有效地使用資料訓練模型。
DeepLearning.AI
TensorFlow: Advanced Techniques Specialization這個專項課程適合對 TensorFlow 有基本瞭解，但想學習進階 TensorFlow 功能來建構強大模型，以擴充知識和技能的軟體和機器學習工程師。
簡單介紹線性代數如何應用於機器學習。沒上過線性代數或只略懂基礎概念，但又想瞭解線性代數如何應用於機器學習嗎？這部影片正符合您的需求。
Imperial College London
Mathematics for Machine Learning SpecializationCoursera 這項線上專項課程旨在彌補數學和機器學習之間的鴻溝，讓你快速掌握基礎數學以建立直覺式的理解，並將其與機器學習和資料科學相互連結。
3blue1brown 提供的一系列視覺化短片，以精彩明瞭的方式講解微積分的基本原理，讓觀眾深刻理解基本定理，而不只是簡單說明運算方式而已。
MIT 的這堂入門課程介紹了矩陣理論和線性代數。課程主軸著重於在其他學科中也很實用的主題，包括聯立方程式、向量空間、行列式、特徵值、相似性和正定矩陣。
本書針對統計學習領域提供了平易近人的概述，這套重要的工具集可用來理解訓練機器學習模型所需要的龐雜資料集。
TensorFlow 資源
We've gathered our favorite resources to help you get started with TensorFlow libraries and frameworks specific to your needs. Jump to our sections for TensorFlow.js, LiteRT, and TFX.
You can also browse the official TensorFlow guide and tutorials for the latest examples and colabs.
Machine Learning Foundations is a free training course where you'll learn the fundamentals of building machine learned models using TensorFlow.
這個機器學習技術討論適合對機器學習已有基本瞭解，但需要掌握 TensorFlow 基礎知識 (不需用到高層級 API 的張量、變數和梯度相關概念) 的對象。
這個機器學習技術討論內容包含表徵學習、類神經網路系列及相關應用、一探深層類神經網路內部，以及許多 TensorFlow 程式碼範例和概念。
在這個系列中，TensorFlow 團隊從程式設計的角度探討 TensorFlow 的各個面向，透過影片介紹 TensorFlow 高層級 API 的使用方式、自然語言處理、Neural Structured Learning 等等。
Get a practical working knowledge of using ML in the browser with JavaScript. Learn how to write custom models from a blank canvas, retrain models via transfer learning, and convert models from Python.
透過端對端實作的方式，協助各領域的技術人士掌握 TensorFlow.js 基礎知識。讀完這本書後，您將瞭解如何使用 TensorFlow.js 建構及部署可用於生產環境的深度學習系統。
本系列包含 3 個部分，除了探討如何透過 TensorFlow.js 訓練及執行機器學習模型，也說明如何使用 JavaScript 建立可直接在瀏覽器中執行的機器學習模型。
只要使用 TensorFlow.js，就能大幅提升運用網頁機器學習技術的功力。瞭解如何建立新一代網頁應用程式，讓程式能在用戶端執行，並可在幾乎所有裝置上使用。
本影片播放清單屬於機器學習和打造類神經網路的專題系列之一，著重在 TensorFlow.js (核心 API) 與如何使用 JavaScript 程式庫訓練、部署機器學習模型。
Learn how to deploy deep learning models on mobile and embedded devices with LiteRT in this course, developed by the TensorFlow team and Udacity as a practical approach to model deployment for software developers.
這本書引導您使用 TensorFlow 生態系統，逐步將機器學習管線自動化。這本書中的機器學習範例是以 TensorFlow 和 Keras 為基礎，但其中的核心概念可套用到任何架構中。
DeepLearning.AI
Machine Learning Engineering for Production (MLOps) Specialization參加這四堂專項課程，培養自己的生產工程技能。瞭解如何概念化、建構及維護在實際工作環境中持續運作的整合系統。
Google 的這本指南可協助你建構以人為本的 AI 產品。它能讓你在建構 AI 驅動應用程式時，避免常見錯誤、設計出絕佳的體驗，並專注於使用者需求。
