Kuasai jalanmu
Untuk menjadi ahli dalam pembelajaran mesin, pertama-tama Anda memerlukan dasar yang kuat dalam empat bidang pembelajaran : pengkodean, matematika, teori ML, dan cara membuat proyek ML Anda sendiri dari awal hingga akhir.
Mulailah dengan kurikulum pilihan TensorFlow untuk meningkatkan keempat keterampilan ini, atau pilih jalur pembelajaran Anda sendiri dengan menjelajahi pustaka sumber daya kami di bawah ini.
Empat bidang pendidikan pembelajaran mesin
Saat memulai jalur pendidikan Anda, penting untuk terlebih dahulu memahami cara belajar ML. Kami telah memecah proses pembelajaran menjadi empat bidang pengetahuan, dengan masing-masing bidang memberikan bagian dasar dari teka-teki ML. Untuk membantu Anda, kami telah mengidentifikasi buku, video, dan kursus online yang akan meningkatkan kemampuan Anda, dan mempersiapkan Anda untuk menggunakan ML untuk proyek Anda. Mulailah dengan kurikulum terpandu kami yang dirancang untuk meningkatkan pengetahuan Anda, atau pilih jalur Anda sendiri dengan menjelajahi perpustakaan sumber daya kami.
Kurikulum TensorFlow
Mulailah belajar dengan salah satu kurikulum terpandu kami yang berisi kursus, buku, dan video yang direkomendasikan.

Pelajari dasar-dasar ML dengan koleksi buku dan kursus online ini. Anda akan diperkenalkan dengan ML dan dipandu melalui pembelajaran mendalam menggunakan TensorFlow 2.0. Kemudian Anda akan memiliki kesempatan untuk mempraktekkan apa yang Anda pelajari dengan tutorial pemula.

Setelah Anda memahami dasar-dasar pembelajaran mesin, tingkatkan kemampuan Anda ke tingkat berikutnya dengan menyelami pemahaman teoretis tentang jaringan saraf, pembelajaran mendalam, dan meningkatkan pengetahuan Anda tentang konsep matematika yang mendasarinya.

Pelajari dasar-dasar pengembangan model pembelajaran mesin dalam JavaScript, dan cara menerapkan langsung di browser. Anda akan mendapatkan pengenalan tingkat tinggi tentang pembelajaran mendalam dan tentang cara memulai TensorFlow.js melalui latihan langsung.
Sumber daya pendidikan
Pilih jalur pembelajaran Anda sendiri, dan jelajahi buku, kursus, video, dan latihan yang direkomendasikan oleh tim TensorFlow untuk mengajari Anda dasar-dasar ML.





Buku
Membaca adalah salah satu cara terbaik untuk memahami dasar-dasar ML dan pembelajaran mendalam. Buku dapat memberi Anda pemahaman teoretis yang diperlukan untuk membantu Anda mempelajari konsep baru lebih cepat di masa depan.

Buku pengantar ini memberikan pendekatan yang mengutamakan kode untuk mempelajari cara menerapkan skenario ML yang paling umum, seperti visi komputer, pemrosesan bahasa alami (NLP), dan pemodelan urutan untuk web, seluler, cloud, dan runtime tersemat.

Buku ini adalah pengantar praktis dan langsung untuk Deep Learning with Keras.

Menggunakan contoh nyata, teori minimal, dan dua kerangka kerja Python siap produksi—Scikit-Learn dan TensorFlow—buku ini membantu Anda memperoleh pemahaman intuitif tentang konsep dan alat untuk membangun sistem cerdas.

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.

Pendekatan end-to-end langsung ke dasar-dasar TensorFlow.js untuk audiens teknis yang luas. Setelah menyelesaikan buku ini, Anda akan mengetahui cara membuat dan menerapkan sistem deep learning siap produksi dengan TensorFlow.js.

Ditulis oleh penulis utama perpustakaan TensorFlow, buku ini memberikan kasus penggunaan yang menarik dan instruksi mendalam untuk aplikasi pembelajaran mendalam di JavaScript di browser Anda atau di Node.js.
Kursus online
Mengambil kursus online multi-bagian adalah cara yang baik untuk mempelajari konsep dasar ML. Banyak kursus memberikan penjelasan visual yang hebat, dan alat yang diperlukan untuk mulai menerapkan pembelajaran mesin secara langsung di tempat kerja, atau dengan proyek pribadi Anda.

DeepLearning.AI
Pengantar TensorFlow untuk AI, ML, dan Pembelajaran MendalamDikembangkan bersama tim TensorFlow, kursus ini adalah bagian dari Spesialisasi Pengembang TensorFlow dan akan mengajarkan Anda praktik terbaik untuk menggunakan TensorFlow.

Dalam kursus online yang dikembangkan oleh tim TensorFlow dan Udacity ini, Anda akan mempelajari cara membuat aplikasi pembelajaran mendalam dengan TensorFlow.

DeepLearning.AI
Spesialisasi Pengembang TensorFlowDalam Spesialisasi empat kursus yang diajarkan oleh pengembang TensorFlow ini, Anda akan mempelajari alat dan pengembang perangkat lunak yang digunakan untuk membangun algoritme bertenaga AI yang skalabel di TensorFlow.

Pengembang Google
Kursus Singkat Pembelajaran MesinKursus Singkat Machine Learning dengan TensorFlow API adalah panduan belajar mandiri untuk calon praktisi machine learning. Ini menampilkan serangkaian pelajaran dengan ceramah video, studi kasus dunia nyata, dan latihan praktik langsung.

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.

DeepLearning.AI
TensorFlow: Spesialisasi Data dan DeploymentAnda telah belajar cara membuat dan melatih model. Sekarang pelajari cara menavigasi berbagai skenario penerapan dan menggunakan data secara lebih efektif untuk melatih model Anda dalam Spesialisasi empat kursus ini.

DeepLearning.AI
TensorFlow: Spesialisasi Teknik Tingkat LanjutSpesialisasi ini ditujukan untuk insinyur perangkat lunak dan ML dengan pemahaman dasar tentang TensorFlow yang ingin memperluas pengetahuan dan keahlian mereka dengan mempelajari fitur-fitur TensorFlow lanjutan untuk membangun model yang andal.

Pelajari bagaimana Anda bisa mendapatkan lebih banyak perhatian pada penelitian mutakhir Anda, atau menghadirkan kekuatan super di aplikasi web Anda dalam pekerjaan di masa mendatang untuk klien Anda atau perusahaan tempat Anda bekerja dengan pembelajaran mesin berbasis web.
konsep matematika
Untuk mempelajari lebih dalam tentang pengetahuan ML Anda, sumber daya ini dapat membantu Anda memahami konsep matematika dasar yang diperlukan untuk kemajuan tingkat yang lebih tinggi.

Pandangan luas tentang aljabar linier untuk pembelajaran mesin. Tidak pernah mengambil aljabar linier atau tahu sedikit tentang dasar-dasarnya, dan ingin merasakan bagaimana itu digunakan di ML? Maka video ini untuk Anda.

Imperial College London
Matematika untuk Spesialisasi Pembelajaran MesinSpesialisasi online dari Coursera ini bertujuan untuk menjembatani kesenjangan matematika dan pembelajaran mesin, membuat Anda lebih cepat dalam matematika yang mendasarinya untuk membangun pemahaman intuitif, dan menghubungkannya dengan Pembelajaran Mesin dan Ilmu Data.

3blue1brown berpusat pada penyajian matematika dengan pendekatan visual-first. Dalam seri video ini, Anda akan mempelajari dasar-dasar jaringan saraf dan cara kerjanya melalui konsep matematika.

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.

Pengantar visual untuk probabilitas dan statistik.

Buku ini memberikan ikhtisar yang dapat diakses tentang bidang pembelajaran statistik, perangkat penting untuk memahami dunia kumpulan data yang luas dan kompleks yang diperlukan untuk melatih model dalam pembelajaran mesin.
Sumber daya TensorFlow
Kami telah mengumpulkan sumber daya favorit kami untuk membantu Anda memulai pustaka dan kerangka kerja TensorFlow khusus untuk kebutuhan Anda. Langsung ke bagian kami untuk TensorFlow.js , TensorFlow Lite , dan TFX .
Anda juga dapat menelusuri panduan dan tutorial TensorFlow resmi untuk contoh dan kolaborasi terbaru.

Machine Learning Foundations adalah kursus pelatihan gratis tempat Anda akan mempelajari dasar-dasar membuat model yang dipelajari mesin menggunakan TensorFlow.

ML Tech Talk ini dirancang untuk mereka yang mengetahui dasar-dasar Machine Learning tetapi membutuhkan gambaran umum tentang dasar-dasar TensorFlow (tensor, variabel, dan gradien tanpa menggunakan API tingkat tinggi).

ML Tech Talk ini mencakup pembelajaran representasi, keluarga jaringan saraf dan aplikasinya, tampilan pertama ke dalam jaringan saraf dalam, dan banyak contoh kode dan konsep dari TensorFlow.

Dalam seri ini, Tim TensorFlow melihat berbagai bagian TensorFlow dari perspektif pengkodean, dengan video untuk penggunaan API tingkat tinggi TensorFlow, pemrosesan bahasa alami, pembelajaran terstruktur saraf, dan banyak lagi.

Pelajari cara menemukan kasus penggunaan ML yang paling umum termasuk menganalisis multimedia, membuat pencarian cerdas, mengubah data, dan cara cepat membangunnya ke dalam aplikasi Anda dengan alat yang mudah digunakan.
Untuk Javascript
Jelajahi sumber daya terbaru di TensorFlow.js .

Pendekatan end-to-end langsung ke dasar-dasar TensorFlow.js untuk audiens teknis yang luas. Setelah menyelesaikan buku ini, Anda akan mengetahui cara membuat dan menerapkan sistem deep learning siap produksi dengan TensorFlow.js.

Seri 3 bagian yang mengeksplorasi pelatihan dan menjalankan model machine learning dengan TensorFlow.js, dan menunjukkan cara membuat model machine learning dalam JavaScript yang dijalankan langsung di browser.

Berubah dari nol menjadi pahlawan dengan ML web menggunakan TensorFlow.js. Pelajari cara membuat aplikasi web generasi berikutnya yang dapat menjalankan sisi klien dan digunakan di hampir semua perangkat.

Bagian dari seri yang lebih besar tentang pembelajaran mesin dan membangun jaringan saraf, daftar putar video ini berfokus pada TensorFlow.js, API inti, dan cara menggunakan pustaka JavaScript untuk melatih dan menerapkan model ML.
Untuk Seluler & IoT
Jelajahi sumber daya terbaru di TensorFlow Lite .

Pengembang Google
Pembelajaran Mesin di PerangkatPelajari cara membuat aplikasi ML di perangkat pertama Anda melalui jalur pembelajaran yang menyediakan panduan langkah demi langkah untuk kasus penggunaan umum termasuk klasifikasi audio, pencarian produk visual, dan banyak lagi.

Pelajari cara menerapkan model pembelajaran mendalam pada perangkat seluler dan tersemat dengan TensorFlow Lite dalam kursus ini, yang dikembangkan oleh tim TensorFlow dan Udacity sebagai pendekatan praktis untuk penerapan model bagi pengembang perangkat lunak.

Lihat langsung cara menyusun sistem pipa produksi dengan TFX. Kami akan dengan cepat membahas semuanya mulai dari akuisisi data, pembuatan model, hingga penerapan dan manajemen.

Buku ini memandu Anda melalui langkah-langkah mengotomatiskan pipeline ML menggunakan ekosistem TensorFlow. Contoh pembelajaran mesin dalam buku ini didasarkan pada TensorFlow dan Keras, tetapi konsep inti dapat diterapkan ke kerangka kerja apa pun.

DeepLearning.AI
Spesialisasi Machine Learning Engineering for Production (MLOps)Perluas kemampuan teknik produksi Anda dalam spesialisasi empat kursus ini. Pelajari cara membuat konsep, membangun, dan memelihara sistem terintegrasi yang terus beroperasi dalam produksi.

Kursus lanjutan ini mencakup komponen TFX, orkestrasi dan otomatisasi pipeline, serta cara mengelola metadata ML dengan Google Cloud.
AI yang berpusat pada manusia
Saat merancang model ML, atau membuat aplikasi berbasis AI, penting untuk mempertimbangkan orang yang berinteraksi dengan produk, dan cara terbaik untuk membangun keadilan, interpretasi, privasi, dan keamanan ke dalam sistem AI ini.

Pelajari cara mengintegrasikan praktik AI yang Bertanggung Jawab ke dalam alur kerja ML Anda menggunakan TensorFlow.

Buku panduan dari Google ini akan membantu Anda membuat produk AI yang berpusat pada manusia. Ini akan memungkinkan Anda menghindari kesalahan umum, merancang pengalaman luar biasa, dan fokus pada orang-orang saat Anda membangun aplikasi berbasis AI.

Modul satu jam dalam MLCC Google ini memperkenalkan siswa pada berbagai jenis bias manusia yang dapat terwujud dalam data pelatihan, serta strategi untuk mengidentifikasi, dan mengevaluasi pengaruhnya.