अपने पथ पर चलें
मशीन लर्निंग में एक विशेषज्ञ बनने के लिए, आपको सबसे पहले चार शिक्षण क्षेत्रों में एक मजबूत नींव की आवश्यकता है: कोडिंग, गणित, एमएल सिद्धांत, और शुरू से आखिर तक अपने स्वयं के एमएल प्रोजेक्ट का निर्माण कैसे करें।
इन चार कौशलों को बेहतर बनाने के लिए TensorFlow के क्यूरेटेड क्यूरिकुलम से शुरुआत करें, या नीचे दिए गए हमारे संसाधन पुस्तकालय की खोज करके अपना स्वयं का सीखने का रास्ता चुनें।
मशीन लर्निंग एजुकेशन के चार क्षेत्र
अपने शैक्षिक पथ की शुरुआत करते समय, पहले यह समझना महत्वपूर्ण है कि एमएल कैसे सीखें। हमने ज्ञान के चार क्षेत्रों में सीखने की प्रक्रिया को तोड़ा है, प्रत्येक क्षेत्र के साथ एमएल पहेली का एक मूलभूत टुकड़ा प्रदान किया है। अपने रास्ते पर मदद करने के लिए, हमने पुस्तकों, वीडियो और ऑनलाइन पाठ्यक्रमों की पहचान की है जो आपकी क्षमताओं को बढ़ाएंगे, और आपको अपनी परियोजनाओं के लिए एमएल का उपयोग करने के लिए तैयार करेंगे। अपने ज्ञान को बढ़ाने के लिए या हमारे संसाधन पुस्तकालय की खोज करके अपना रास्ता चुनने के लिए डिज़ाइन किए गए हमारे निर्देशित पाठ्यक्रम के साथ शुरू करें।
टेंसोरफ्लो करिकुलम
अनुशंसित पाठ्यक्रमों, पुस्तकों और वीडियो वाले हमारे निर्देशित पाठ्यक्रम में से एक के साथ सीखना शुरू करें।
पुस्तकों और ऑनलाइन पाठ्यक्रमों के इस संग्रह के साथ एमएल की मूल बातें जानें। आपको TensorFlow 2.0 का उपयोग करके गहन सीखने के माध्यम से निर्देशित, scikit-learn के साथ ML में पेश किया जाएगा, और फिर आपके पास शुरुआती ट्यूटोरियल के साथ जो आप सीखते हैं उसका अभ्यास करने का अवसर होगा।
एक बार जब आप मशीन सीखने की मूल बातें समझ लेते हैं, तो अपनी क्षमताओं को तंत्रिका नेटवर्क की सैद्धांतिक समझ, गहरी सीखने और अंतर्निहित गणित अवधारणाओं के अपने ज्ञान में सुधार करके अगले स्तर तक ले जाएं।
जावास्क्रिप्ट में विकासशील मशीन लर्निंग मॉडल की मूल बातें जानें, और ब्राउज़र में सीधे कैसे तैनात करें। आपको गहरी शिक्षा पर और हाथों पर अभ्यास के माध्यम से TensorFlow.js के साथ शुरुआत करने के तरीके पर एक उच्च-स्तरीय परिचय मिलेगा।
शैक्षिक संसाधन
अपना खुद का सीखने का रास्ता चुनें, और TensorFlow टीम द्वारा आपको एमएल की नींव सिखाने के लिए अनुशंसित पुस्तकों, पाठ्यक्रमों, वीडियो और अभ्यासों का पता लगाएं।
पुस्तकें
एमएल और गहरी शिक्षा की नींव को समझने के लिए पढ़ना सबसे अच्छा तरीका है। किताबें आपको भविष्य में और अधिक तेज़ी से नई अवधारणाओं को सीखने में मदद करने के लिए आवश्यक सैद्धांतिक समझ दे सकती हैं।
यह परिचयात्मक पुस्तक सबसे आम एमएल परिदृश्यों को लागू करने का तरीका जानने के लिए एक कोड-प्रथम दृष्टिकोण प्रदान करती है, जैसे कि कंप्यूटर विज़न, प्राकृतिक भाषा प्रसंस्करण (एनएलपी), और वेब, मोबाइल, क्लाउड और एम्बेडेड रनटाइम के लिए अनुक्रम मॉडलिंग।
यह पुस्तक एक व्यावहारिक, हाथों में परिचय के साथ डीप लर्निंग के लिए है।
ठोस उदाहरणों, न्यूनतम सिद्धांत, और दो उत्पादन-तैयार पायथन फ्रेमवर्क-स्किकिट-लर्न और टेन्सरफ्लो का उपयोग करते हुए — यह पुस्तक आपको बुद्धिमान प्रणालियों के निर्माण के लिए अवधारणाओं और उपकरणों की सहज समझ प्राप्त करने में मदद करती है।
यह डीप लर्निंग पाठ्यपुस्तक छात्रों और चिकित्सकों को सामान्य रूप से मशीन लर्निंग के क्षेत्र में प्रवेश करने और विशेष रूप से गहरी सीखने में मदद करने के लिए एक संसाधन है।
यह पुस्तक तंत्रिका नेटवर्क पर एक सैद्धांतिक पृष्ठभूमि प्रदान करती है। यह TensorFlow का उपयोग नहीं करता है, लेकिन अधिक सीखने में रुचि रखने वाले छात्रों के लिए एक महान संदर्भ है।
TensorFlow लाइब्रेरी के मुख्य लेखकों द्वारा लिखी गई, यह पुस्तक आपके ब्राउज़र में या Node पर जावास्क्रिप्ट में गहन शिक्षण ऐप्स के लिए आकर्षक उपयोग के मामले और गहन निर्देश प्रदान करती है।
बहु-भाग ऑनलाइन पाठ्यक्रम
बहु-भाग ऑनलाइन पाठ्यक्रम लेना एमएल की मूल अवधारणाओं को सीखने का एक अच्छा तरीका है। कई पाठ्यक्रम महान दृश्य व्याख्याकार प्रदान करते हैं, और मशीन सीखने को सीधे काम पर या अपने व्यक्तिगत परियोजनाओं के साथ लागू करने के लिए आवश्यक उपकरण।
आपने मॉडल बनाना और प्रशिक्षित करना सीखा है। अब इस चार-पाठ्यक्रम विशेषज्ञता में अपने मॉडल को प्रशिक्षित करने के लिए विभिन्न तैनाती परिदृश्यों को नेविगेट करना और अधिक प्रभावी ढंग से डेटा का उपयोग करना सीखें।
TensorFlow टीम के सहयोग से विकसित, यह कोर्स प्रैक्टिस स्पेशलाइजेशन में TensorFlow का हिस्सा है और TensorFlow का उपयोग करने के लिए आपको सर्वोत्तम अभ्यास सिखाएगा।
TensorFlow टीम और Udacity द्वारा विकसित इस ऑनलाइन कोर्स में, आप TensorFlow के साथ गहन शिक्षण अनुप्रयोगों का निर्माण करना सीखेंगे।
TensorFlow डेवलपर द्वारा सिखाए गए इस चार-कोर्स स्पेशलाइज़ेशन में, आप TensorFlow में स्केलेबल AI-संचालित एल्गोरिदम बनाने के लिए टूल और सॉफ़्टवेयर डेवलपर्स का उपयोग करेंगे।
पांच पाठ्यक्रमों में, आप डीप लर्निंग की नींव सीखेंगे, समझेंगे कि तंत्रिका नेटवर्क कैसे बनाया जाए, और यह सीखें कि सफल मशीन सीखने की परियोजनाओं का नेतृत्व कैसे करें और एआई में कैरियर का निर्माण करें। आप न केवल सिद्धांत में महारत हासिल करेंगे, बल्कि यह भी देखेंगे कि यह उद्योग में कैसे लागू होता है।
यह कोर्स कंप्यूटर विज़न कार्यों, विशेष रूप से छवि वर्गीकरण के लिए एंड-टू-एंड मॉडल सीखने पर ध्यान केंद्रित करने के साथ गहरे शिक्षण आर्किटेक्चर के विवरण में एक गहरा गोता है। पाठ्यक्रम के पिछले पुनरावृत्तियों से व्याख्यान वीडियो, स्लाइड और पिछले पाठ्यक्रम नोटों का अन्वेषण करें।
एमआईटी से इस कोर्स में, आप गहन शिक्षण एल्गोरिदम का मूलभूत ज्ञान प्राप्त करेंगे और टेन्सेफ्लो में तंत्रिका नेटवर्क के निर्माण में व्यावहारिक अनुभव प्राप्त करेंगे।
अन्य संसाधन
मोबाइल और वेब डेवलपर्स और उत्पादन पाइपलाइनों का निर्माण करने के इच्छुक उपयोगकर्ताओं के लिए, हमने आपके पसंदीदा संसाधनों को इकट्ठा करने में आपकी मदद करने के लिए हमारे TensorFlow पुस्तकालयों और रूपरेखाओं को शामिल किया है।
Deeplearn.js का उपयोग करके, यह जानें कि गहन शिक्षण प्रणाली कैसे सीखती हैं और जांचती हैं कि वे कैसे सोचते हैं।
एक 3-भाग श्रृंखला जो प्रशिक्षण और निष्पादन मशीन दोनों की खोज करती है, TensorFlow.js के साथ मॉडल सीखती है, और आपको दिखाती है कि जावास्क्रिप्ट में मशीन सीखने का मॉडल कैसे बनाया जाए जो सीधे ब्राउज़र में निष्पादित होता है।
मशीन सीखने और तंत्रिका नेटवर्क के निर्माण पर एक बड़ी श्रृंखला का हिस्सा, यह वीडियो प्लेलिस्ट TensorFlow.js, कोर एपीआई, और एमएल मॉडल को प्रशिक्षित करने और तैनात करने के लिए जावास्क्रिप्ट लाइब्रेरी का उपयोग कैसे करें पर केंद्रित है।
यह श्रृंखला क्लाइंट-साइड कृत्रिम तंत्रिका नेटवर्क की अवधारणा का परिचय देती है। क्लाइंट-सर्वर डीप लर्निंग आर्किटेक्चर के बारे में जानें, केरस मॉडल्स को TFJS मॉडल्स में बदलना, Node.js के साथ मॉडल परोसना, ब्राउजर में ट्रेनिंग और ट्रांसफर लर्निंग आदि।
TensorFlow Extended (TFX) का उपयोग करने पर TensorFlow टीम की पांच भाग श्रृंखला, अपने स्वयं के उत्पादन ML पाइपलाइन बनाने के लिए।
Google I / O का यह सत्र मोबाइल ऐप और एज डिवाइस को बढ़ाने के लिए मशीन लर्निंग के उपयोग के लिए उपलब्ध विभिन्न विकल्पों को ध्वस्त कर देगा। जानें कि कैसे TensorFlow Lite का उपयोग मॉडल को प्रशिक्षित करने और विभिन्न उपकरणों में उनका उपयोग करने के लिए किया जा सकता है।
गणित की अवधारणाएँ
अपने एमएल ज्ञान के साथ गहराई से जाने के लिए, ये संसाधन आपको उच्च स्तर की उन्नति के लिए आवश्यक अंतर्निहित गणित अवधारणाओं को समझने में मदद कर सकते हैं।
TensorFlow APIs के साथ मशीन लर्निंग क्रैश कोर्स आकांक्षी मशीन लर्निंग चिकित्सकों के लिए एक स्व-अध्ययन गाइड है। इसमें वीडियो व्याख्यान, वास्तविक दुनिया के मामले के अध्ययन और हाथों पर अभ्यास अभ्यास के साथ कई पाठों की श्रृंखला है।
कौरसेरा की इस ऑनलाइन विशेषज्ञता का उद्देश्य गणित और मशीन लर्निंग के अंतर को पाटना है, जो आपको सहज ज्ञान का निर्माण करने के लिए अंतर्निहित गणित में तेजी लाने और मशीन लर्निंग और डेटा साइंस से संबंधित है।
एक दृश्य-पहले दृष्टिकोण के साथ गणित पेश करने के आसपास 3blue1brown केंद्र। इस वीडियो श्रृंखला में, आप एक तंत्रिका नेटवर्क की मूल बातें सीखेंगे और यह गणित की अवधारणाओं के माध्यम से कैसे काम करता है।
3blue1brown से लघु, दृश्य वीडियो की एक श्रृंखला जो मैट्रिसेस, निर्धारक, ईजन-सामान और अधिक की ज्यामितीय समझ को समझाती है।
3blue1brown से लघु, दृश्य वीडियो की एक श्रृंखला जो कैलकुलस के मूल सिद्धांतों को इस तरह से समझाती है जो आपको मौलिक सिद्धांतों की एक मजबूत समझ प्रदान करते हैं, न कि यह कि समीकरण कैसे काम करते हैं।
एमआईटी से यह परिचयात्मक पाठ्यक्रम मैट्रिक्स सिद्धांत और रैखिक बीजगणित को कवर करता है। उन विषयों पर जोर दिया जाता है, जो अन्य विषयों में उपयोगी होंगे, जिसमें समीकरणों की प्रणाली, वेक्टर रिक्त स्थान, निर्धारक, आइजनवेल्यूज, समानता और सकारात्मक निश्चित मैट्रिक्स शामिल हैं।
एमआईटी से यह परिचयात्मक कलन पाठ्यक्रम, अनुप्रयोगों के साथ एक चर के कार्यों के भेदभाव और एकीकरण को कवर करता है।
यह पुस्तक सांख्यिकीय शिक्षा के क्षेत्र का एक सुलभ अवलोकन प्रदान करती है, जो मशीन सीखने में मॉडल को प्रशिक्षित करने के लिए आवश्यक डेटासेट की विशाल और जटिल दुनिया की समझ बनाने के लिए एक आवश्यक टूलसेट है।
मानव-केंद्रित ऐ
जब एक एमएल मॉडल डिजाइन करते हैं, या एआई-संचालित अनुप्रयोगों का निर्माण करते हैं, तो उत्पाद के साथ बातचीत करने वाले लोगों पर विचार करना महत्वपूर्ण है, और इन एआई सिस्टम में निष्पक्षता, व्याख्या, गोपनीयता और सुरक्षा बनाने का सबसे अच्छा तरीका है।
TensorFlow का उपयोग करके अपने AI वर्कफ़्लो में जिम्मेदार AI प्रथाओं को एकीकृत करना सीखें।
Google की यह मार्गदर्शिका आपको मानव-केंद्रित AI उत्पादों के निर्माण में मदद करेगी। यह आपको सामान्य गलतियों से बचने, उत्कृष्ट अनुभवों को डिजाइन करने और एआई-संचालित अनुप्रयोगों के निर्माण पर लोगों पर ध्यान केंद्रित करने में सक्षम बनाएगा।
Google के MLCC के भीतर यह एक घंटे का मॉड्यूल शिक्षार्थियों को विभिन्न प्रकार के मानव पूर्वाग्रहों का परिचय देता है जो प्रशिक्षण डेटा में प्रकट हो सकते हैं, साथ ही उनके प्रभावों की पहचान करने और उनका मूल्यांकन करने की रणनीति भी।