パスをマスターする

機械学習のエキスパートになるには、まずコーディング、数学、ML 理論、および独自の ML プロジェクトを最初から最後まで構築する方法の4 つの学習分野の強力な基礎が必要です。

これら 4 つのスキルを向上させるために TensorFlow の精選されたカリキュラムから始めるか、以下のリソース ライブラリを参照して独自の学習パスを選択してください。

機械学習教育の 4 つの領域

学習の道を歩み始めるときは、まず ML の学習方法を理解することが重要です。学習プロセスを 4 つの知識領域に分割し、各領域が ML パズルの基礎となるピースを提供します。あなたの進路を支援するために、私たちはあなたの能力を高め、プロジェクトで ML を使用する準備をするための書籍、ビデオ、およびオンライン コースを特定しました。知識を深めるために設計されたガイド付きカリキュラムから始めるか、リソースライブラリを探索して独自のパスを選択してください。

  • コーディング スキル: ML モデルの構築には、ML の概念を理解するだけでなく、モデルのテストと最適化に必要なデータ管理、パラメーターの調整、結果の解析を行うためのコーディングが必要です。

  • 数学と統計: ML は数学に重点を置いた分野であるため、ML モデルを変更したり、新しいモデルをゼロから構築したりする場合は、基礎となる数学の概念に精通していることがプロセスにとって重要です。

  • ML 理論: ML 理論の基礎を理解することで、構築するための基礎が得られ、問題が発生した場合のトラブルシューティングに役立ちます。

  • 独自のプロジェクトを構築する: ML を実際に使用して経験を積むことは、知識をテストするための最良の方法です。そのため、簡単なコラボチュートリアルに早くから飛び込んで練習することを恐れないでください。

TensorFlow カリキュラム

推奨されるコース、書籍、ビデオを含むガイド付きカリキュラムのいずれかで学習を開始します。

初心者向け
TensorFlow を使用した機械学習の基礎

この一連の書籍とオンライン コースで ML の基礎を学びましょう。 ML を紹介し、TensorFlow 2.0 を使用したディープ ラーニングについて説明します。その後、初心者用チュートリアルで学んだことを実践する機会が与えられます。

中級・上級者向け
TensorFlow による理論的および高度な機械学習

機械学習の基礎を理解したら、ニューラル ネットワークやディープ ラーニングの理論的な理解に取り組み、基礎となる数学の概念に関する知識を向上させることで、能力を次のレベルに引き上げます。

初心者向け
JavaScript 開発のための TensorFlow

JavaScript で機械学習モデルを開発するための基本と、ブラウザーに直接デプロイする方法を学びます。深層学習の概要と、実践的な演習を通じて TensorFlow.js の使用を開始する方法について説明します。

教育リソース

独自のラーニング パスを選択し、TensorFlow チームが推奨する書籍、コース、動画、演習を調べて、ML の基礎を学びましょう。

書籍
オンラインコース
数学の概念
TF リソース
人間中心のAI

書籍

読むことは、ML とディープ ラーニングの基礎を理解するための最良の方法の 1 つです。書籍は、将来新しい概念をより迅速に習得するために必要な理論的理解を提供してくれます。

コーダーのための AI と機械学習
ローレンス・モロニー

この入門書では、コンピューター ビジョン、自然言語処理 (NLP)、Web、モバイル、クラウド、組み込みランタイムのシーケンス モデリングなど、最も一般的な ML シナリオを実装する方法を学ぶためのコード ファーストのアプローチを提供します。

Python による深層学習
フランソワ・ショレ

この本は、Keras を使用した深層学習の実践的な入門書です。

Scikit-Learn、Keras、TensorFlow を使用した実践的な機械学習
オーレリアン・ジェロン

具体的な例、最小限の理論、および本番環境に対応した 2 つの Python フレームワーク (Scikit-Learn と TensorFlow) を使用して、この本は、インテリジェント システムを構築するための概念とツールを直感的に理解するのに役立ちます。

ディープラーニング
Ian Goodfellow、Yoshua Bengio、Aaron Courville 著

このディープ ラーニングの教科書は、学生や実践者が機械学習全般、特にディープ ラーニングの分野に参入するのに役立つリソースです。

ニューラル ネットワークとディープ ラーニング
マイケル・ニールセン

この本は、ニューラル ネットワークの理論的背景を提供します。 TensorFlow は使用していませんが、学習に関心のある学生にとっては参考になります。

TensorFlow.js の学習
ガント・ラボルド

TensorFlow.js の基礎に対する実践的なエンド ツー エンドのアプローチで、幅広い技術分野の読者を対象としています。この本を読み終えると、TensorFlow.js を使用して本番環境に対応した深層学習システムを構築およびデプロイする方法がわかります。

JavaScript による深層学習
Shanqing Cai、Stanley Bileschi、Eric D. Nielsen、Francois Chollet著

TensorFlow ライブラリの主要な作成者によって書かれたこの本は、ブラウザまたは Node 上の JavaScript でのディープ ラーニング アプリの魅力的なユース ケースと詳細な説明を提供します。

オンラインコース

マルチパートのオンライン コースを受講することは、ML の基本的な概念を学ぶ良い方法です。多くのコースでは、優れた視覚的な説明と、機械学習を仕事や個人的なプロジェクトに直接適用するために必要なツールが提供されています。

AI、ML、ディープ ラーニングのための TensorFlow の概要

TensorFlow チームと共同で開発されたこのコースは、TensorFlow デベロッパー スペシャライゼーションの一部であり、TensorFlow を使用するためのベスト プラクティスを学習します。

深層学習のための TensorFlow の概要

TensorFlow チームと Udacity によって開発されたこのオンライン コースでは、TensorFlow を使用して深層学習アプリケーションを構築する方法を学びます。

TensorFlow デベロッパー スペシャライゼーション

TensorFlow デベロッパーが教えるこの 4 コースの Specialization では、デベロッパーが TensorFlow でスケーラブルな AI を利用したアルゴリズムを構築するために使用するツールとソフトウェアについて学びます。

機械学習集中コース

TensorFlow API を使用した Machine Learning Crash Course は、意欲的な機械学習実践者向けの自習用ガイドです。ビデオ レクチャー、実際のケース スタディ、実践演習を含む一連のレッスンが特徴です。

MIT 6.S191: 深層学習入門

MIT によるこのコースでは、ディープ ラーニング アルゴリズムの基礎知識を習得し、TensorFlow でニューラル ネットワークを構築する実践的な経験を積むことができます。

深層学習専門

5 つのコースで、ディープ ラーニングの基礎を学び、ニューラル ネットワークを構築する方法を理解し、機械学習プロジェクトを成功に導き、AI のキャリアを築く方法を学びます。理論を習得するだけでなく、それが産業界でどのように適用されているかも確認できます。

TensorFlow: データとデプロイのスペシャライゼーション

モデルを構築してトレーニングする方法を学びました。この 4 コースのスペシャライゼーションで、さまざまな展開シナリオをナビゲートし、データをより効果的に使用してモデルをトレーニングする方法を学びましょう。

TensorFlow: Advanced Techniques Specialization

このスペシャライゼーションは、TensorFlow の基礎を理解しており、高度な TensorFlow 機能を学習して強力なモデルを構築することで知識とスキルセットを拡大しようとしているソフトウェアおよび ML エンジニアを対象としています。

ウェブベースの機械学習のための Google AI の基礎

Web ベースの機械学習を使用して、最先端の研究に注目を集めたり、Web アプリで将来の仕事でクライアントや会社のためにスーパーパワーを提供したりする方法を学びましょう。

数学の概念

ML の知識を深めるために、これらのリソースは、より高いレベルの進歩に必要な基礎となる数学の概念を理解するのに役立ちます。

ML の線形代数のわかりやすい紹介

機械学習のための線形代数の鳥瞰図。線形代数を学んだことがない、または基本について少し知っていて、ML でどのように使用されているかを知りたいですか?次に、このビデオはあなたのためです。

機械学習専門の数学

Coursera が提供するこのオンライン スペシャライゼーションは、数学と機械学習のギャップを埋め、基礎となる数学を習得して直感的な理解を構築し、それを機械学習とデータ サイエンスに関連付けることを目的としています。

ディープラーニング
によって 3Blue1Brown

3blue1brown は、ビジュアル ファーストのアプローチで数学を提示することを中心にしています。このビデオ シリーズでは、ニューラル ネットワークの基礎と、その仕組みを数学の概念を通じて学習します。

線形代数の本質
によって 3Blue1Brown

行列、行列式、固有値などの幾何学的な理解を説明する 3blue1brown の一連の短いビジュアル ビデオ。

微積分の本質
によって 3Blue1Brown

3blue1brown の一連の短い視覚的なビデオでは、方程式の仕組みだけでなく、基本的な定理を深く理解できるように、微積分の基礎を説明しています。

MIT 18.06: 線形代数

MIT によるこの入門コースでは、行列理論と線形代数について説明します。連立方程式、ベクトル空間、行列式、固有値、類似性、正定行列など、他の分野で役立つトピックに重点が置かれています。

MIT 18.01: 単一変数微積分

この MIT の微積分入門コースでは、1 つの変数の関数の微分と統合、およびアプリケーションを扱います。

見る理論
Daniel Kunin、Jingru Guo、Tyler Dae Devlin、Daniel Xiang 著

確率と統計の視覚的な紹介。

統計学習入門
Gareth James、Daniela Witten、Trevor Hastie、Rob Tibshirani 著

この本は、機械学習でモデルをトレーニングするために必要な膨大で複雑なデータセットの世界を理解するために不可欠なツールセットである、統計学習の分野のアクセス可能な概要を提供します。

TensorFlow リソース

ニーズに合った TensorFlow ライブラリとフレームワークを使い始めるのに役立つお気に入りのリソースを集めました。 TensorFlow.jsTensorFlow Lite 、およびTFXのセクションにジャンプしてください。


また、公式の TensorFlowガイドチュートリアルを参照して、最新の例とコラボレーションを確認することもできます。

機械学習の基礎

Machine Learning Foundations は、TensorFlow を使用して機械学習モデルを構築するための基礎を学ぶ無料のトレーニング コースです。

ゼロからの TensorFlow

この ML Tech Talk は、機械学習の基礎は知っているが、TensorFlow の基礎 (高レベル API を使用しないテンソル、変数、勾配) の概要が必要な人向けに設計されています。

ディープ ラーニングの概要

この ML Tech Talk には、表現学習、ニューラル ネットワークのファミリーとそのアプリケーション、ディープ ニューラル ネットワークの内部の初見、TensorFlow の多くのコード例と概念が含まれます。

TensorFlow のコーディング

このシリーズでは、TensorFlow チームが TensorFlow のさまざまな部分をコーディングの観点から見ていき、TensorFlow の高レベル API、自然言語処理、ニューラル構造学習などを使用するためのビデオを紹介します。

機械学習による日常の問題の発見と解決

マルチメディアの分析、スマート検索の構築、データの変換、ユーザー フレンドリーなツールを使用してそれらをアプリにすばやく組み込む方法など、最も一般的な ML のユース ケースを見つける方法を学びます。

Javascript の場合

TensorFlow.jsで最新のリソースを調べてください。

TensorFlow.js の学習
ガント・ラボルド

TensorFlow.js の基礎に対する実践的なエンド ツー エンドのアプローチで、幅広い技術分野の読者を対象としています。この本を読み終えると、TensorFlow.js を使用して本番環境に対応した深層学習システムを構築およびデプロイする方法がわかります。

TensorFlow による TensorFlow.js の使用開始

TensorFlow.js を使用した機械学習モデルのトレーニングと実行の両方を探る 3 部構成のシリーズで、ブラウザで直接実行される JavaScript で機械学習モデルを作成する方法を示します。

TensorFlow.js を使用した JavaScript 開発者向けの Google AI

TensorFlow.js を使用したウェブ ML で、ゼロからヒーローへ。クライアント側で実行でき、ほぼすべてのデバイスで使用できる次世代の Web アプリを作成する方法を学びます。

TensorFlow.js: インテリジェンスと学習シリーズ
コーディングトレイン

機械学習とニューラル ネットワークの構築に関する大規模なシリーズの一部であるこのビデオ プレイリストは、コア API である TensorFlow.js と、JavaScript ライブラリを使用して ML モデルをトレーニングおよびデプロイする方法に焦点を当てています。

モバイル & IoT 向け

TensorFlow Liteで最新のリソースを調べてください。

オンデバイス機械学習

オーディオ分類、ビジュアル製品検索などの一般的なユース ケースのステップバイステップ ガイドを提供する学習経路を通じて、最初のオンデバイス ML アプリを構築する方法を学びます。

TensorFlow Lite の紹介

このコースでは、TensorFlow チームと Udacity がソフトウェア開発者向けのモデル展開への実践的なアプローチとして開発した、TensorFlow Lite を使用してディープ ラーニング モデルをモバイルおよび組み込みデバイスに展開する方法を学びます。

生産用

TFXで最新のリソースをご覧ください。

TFX を使用した本番環境の ML デプロイのための ML エンジニアリング

TFX を使用して生産パイプライン システムを構築する方法を実際に見てみましょう。データの取得、モデルの構築から展開、管理まで、すべてを簡単に説明します。

機械学習パイプラインの構築
ハンネス・ハプケ、キャサリン・ネルソン

この本では、TensorFlow エコシステムを使用して ML パイプラインを自動化する手順について説明します。この本の機械学習の例は TensorFlow と Keras に基づいていますが、コアとなる概念はどのフレームワークにも適用できます。

生産のための機械学習エンジニアリング (MLOps) スペシャライゼーション

この 4 コースの専門講座で、生産技術の能力を広げてください。本番環境で継続的に動作する統合システムを概念化、構築、および維持する方法を学びます。

Google Cloud 上の ML パイプライン

この上級コースでは、TFX コンポーネント、パイプラインのオーケストレーションと自動化、Google Cloud で ML メタデータを管理する方法について説明します。

人間中心のAI

ML モデルを設計するとき、または AI 駆動型アプリケーションを構築するときは、製品を操作する人々と、公平性、解釈可能性、プライバシー、およびセキュリティをこれらの AI システムに組み込むための最良の方法を考慮することが重要です。

責任ある AI の実践

TensorFlow を使用して、責任ある AI プラクティスを ML ワークフローに統合する方法を学びます。

人 + AI ガイドブック

この Google のガイドブックは、人間中心の AI プロダクトの構築に役立ちます。これにより、よくある間違いを回避し、優れたエクスペリエンスを設計し、AI 駆動型アプリケーションを構築する際に人々に集中することができます。

機械学習モジュールの公平性の紹介

Google の MLCC 内のこの 1 時間のモジュールでは、トレーニング データに現れるさまざまなタイプの人間の偏見と、その影響を特定して評価するための戦略を学習者に紹介します。