Yolunda ustalaş
Makine öğreniminde uzman olmak için öncelikle dört öğrenme alanında güçlü bir temele ihtiyacınız vardır: kodlama, matematik, makine öğrenimi teorisi ve baştan sona kendi makine öğrenimi projenizi nasıl oluşturacağınız.
Bu dört beceriyi geliştirmek için TensorFlow'un seçilmiş müfredatlarıyla başlayın veya aşağıdaki kaynak kitaplığımızı keşfederek kendi öğrenme yolunuzu seçin.
Makine öğrenimi eğitiminin dört alanı
Eğitim yolunuza başlarken, önce makine öğrenimini nasıl öğreneceğinizi anlamak önemlidir. Öğrenme sürecini, her biri ML bulmacasının temel bir parçasını sağlayan dört bilgi alanına böldük. Bu yolda size yardımcı olmak için yeteneklerinizi geliştirecek ve projeleriniz için ML'yi kullanmaya hazırlayacak kitaplar, videolar ve çevrimiçi kurslar belirledik. Bilginizi artırmak için tasarlanmış rehberli müfredatlarımızla başlayın veya kaynak kitaplığımızı keşfederek kendi yolunuzu seçin.
TensorFlow müfredatları
Önerilen kurslar, kitaplar ve videolar içeren rehberli müfredatlarımızdan biriyle öğrenmeye başlayın.
Bu kitap koleksiyonu ve çevrimiçi kurslarla makine öğreniminin temellerini öğrenin. Makine öğrenimi ile tanışacak ve TensorFlow 2.0 kullanarak derin öğrenme konusunda rehberlik edeceksiniz. Ardından, başlangıç eğitimleri ile öğrendiklerinizi uygulama fırsatına sahip olacaksınız.
Makine öğreniminin temellerini anladıktan sonra, sinir ağlarının teorik anlayışına, derin öğrenmeye dalarak ve temel matematik kavramları hakkındaki bilginizi geliştirerek yeteneklerinizi bir sonraki seviyeye taşıyın.
JavaScript'te makine öğrenimi modelleri geliştirmenin temellerini ve doğrudan tarayıcıda nasıl dağıtılacağını öğrenin. Uygulamalı alıştırmalar aracılığıyla derin öğrenme ve TensorFlow.js'ye nasıl başlayacağınız konusunda üst düzey bir giriş alacaksınız.
Eğitim kaynakları
Kendi öğrenme yolunuzu seçin ve size makine öğreniminin temellerini öğretmek için TensorFlow ekibi tarafından önerilen kitapları, kursları, videoları ve alıştırmaları keşfedin.
Kitabın
Okuma, makine öğrenimi ve derin öğrenmenin temellerini anlamanın en iyi yollarından biridir. Kitaplar, gelecekte yeni kavramları daha hızlı öğrenmenize yardımcı olmak için gerekli teorik anlayışı size verebilir.
Bu tanıtım kitabı, bilgisayarla görme, doğal dil işleme (NLP) ve web, mobil, bulut ve gömülü çalışma zamanları için dizi modelleme gibi en yaygın ML senaryolarının nasıl uygulanacağını öğrenmek için kod öncelikli bir yaklaşım sağlar.
Bu kitap, Keras ile Derin Öğrenmeye pratik, uygulamalı bir giriş niteliğindedir.
Somut örnekler, minimal teori ve üretime hazır iki Python çerçevesi (Scikit-Learn ve TensorFlow) kullanan bu kitap, akıllı sistemler oluşturmaya yönelik kavramlar ve araçlar hakkında sezgisel bir anlayış kazanmanıza yardımcı olur.
Bu Derin Öğrenme ders kitabı, öğrencilerin ve uygulayıcıların genel olarak makine öğrenimi ve özel olarak derin öğrenme alanına girmelerine yardımcı olmayı amaçlayan bir kaynaktır.
Bu kitap, sinir ağları hakkında teorik bir arka plan sağlar. TensorFlow kullanmaz, ancak daha fazlasını öğrenmek isteyen öğrenciler için harika bir referanstır.
Geniş bir teknik kitle için TensorFlow.js temellerine uygulamalı bir uçtan uca yaklaşım. Bu kitabı bitirdiğinizde, TensorFlow.js ile üretime hazır derin öğrenme sistemlerini nasıl oluşturacağınızı ve dağıtacağınızı öğreneceksiniz.
TensorFlow kitaplığının ana yazarları tarafından yazılan bu kitap, tarayıcınızda veya Node.js'de JavaScript'te derin öğrenme uygulamaları için büyüleyici kullanım örnekleri ve derinlemesine talimatlar sağlar.
Çevrimiçi kurslar
Çok parçalı bir çevrimiçi kurs almak, makine öğreniminin temel kavramlarını öğrenmenin iyi bir yoludur. Birçok kurs, harika görsel açıklayıcılar ve makine öğrenimini doğrudan işyerinde veya kişisel projelerinizle uygulamaya başlamak için gereken araçları sağlar.
DeepLearning.AI
AI, ML ve Derin Öğrenme için TensorFlow'a GirişTensorFlow ekibiyle işbirliği içinde geliştirilen bu kurs, TensorFlow Geliştirici Uzmanlığının bir parçasıdır ve size TensorFlow'u kullanmak için en iyi uygulamaları öğretecektir.
TensorFlow ekibi ve Udacity tarafından geliştirilen bu çevrimiçi kursta, TensorFlow ile derin öğrenme uygulamalarının nasıl oluşturulacağını öğreneceksiniz.
DeepLearning.AI
TensorFlow Geliştirici UzmanlığıBir TensorFlow geliştiricisi tarafından verilen bu dört derslik Uzmanlıkta, TensorFlow'da ölçeklenebilir yapay zeka destekli algoritmalar oluşturmak için kullanılan araçları ve yazılım geliştiricileri keşfedeceksiniz.
Google Geliştiricileri
Makine Öğrenimi Hızlandırılmış KursTensorFlow API'leriyle Makine Öğrenimi Hızlandırma Kursu, hevesli makine öğrenimi uygulayıcıları için bir kendi kendine çalışma kılavuzudur. Video dersler, gerçek dünyadan vaka çalışmaları ve uygulamalı alıştırma alıştırmaları içeren bir dizi ders içerir.
MIT'nin bu kursunda, derin öğrenme algoritmaları hakkında temel bilgiler edinecek ve TensorFlow'da sinir ağları oluşturma konusunda pratik deneyim kazanacaksınız.
DeepLearning.AI
Derin Öğrenme UzmanlığıBeş kursta Derin Öğrenmenin temellerini öğrenecek, nöral ağların nasıl oluşturulacağını anlayacak ve başarılı makine öğrenimi projelerini nasıl yöneteceğinizi ve AI'da bir kariyer inşa edeceğinizi öğreneceksiniz. Sadece teoride ustalaşmakla kalmayacak, aynı zamanda endüstride nasıl uygulandığını da göreceksiniz.
DeepLearning.AI
TensorFlow: Veri ve Dağıtım UzmanlığıModelleri nasıl oluşturacağınızı ve eğiteceğinizi öğrendiniz. Şimdi, bu dört kurslu Uzmanlıkta modelinizi eğitmek için çeşitli dağıtım senaryolarında gezinmeyi ve verileri daha etkili kullanmayı öğrenin.
DeepLearning.AI
TensorFlow: Gelişmiş Tekniklerde UzmanlaşmaBu uzmanlık, güçlü modeller oluşturmak için gelişmiş TensorFlow özelliklerini öğrenerek bilgi ve becerilerini genişletmek isteyen, temel TensorFlow anlayışına sahip yazılım ve makine öğrenimi mühendisleri içindir.
Web tabanlı makine öğrenimi ile müşterileriniz veya çalıştığınız şirket için ilerideki araştırmalarınızda nasıl daha fazla göze sahip olabileceğinizi veya web uygulamalarınızda süper güçler sunabileceğinizi öğrenin.
Matematik kavramları
Makine öğrenimi bilginizle daha derine inmek için bu kaynaklar, daha yüksek düzeyde ilerleme için gerekli olan temel matematik kavramlarını anlamanıza yardımcı olabilir.
Makine öğrenimi için lineer cebirin kuş bakışı görünümü. Hiç lineer cebir almadım veya temelleri hakkında biraz bilgi sahibi oldunuz ve bunun ML'de nasıl kullanıldığına dair bir fikir edinmek mi istiyorsunuz? O zaman bu video tam size göre.
Imperial College Londra
Makine Öğrenimi Uzmanlığı için MatematikCoursera'nın bu çevrimiçi uzmanlığı, matematik ve makine öğrenimi arasındaki boşluğu kapatmayı, sezgisel bir anlayış oluşturmak için temel matematikte hız kazanmanızı ve bunu Makine Öğrenimi ve Veri Bilimi ile ilişkilendirmeyi amaçlar.
3blue1brown, matematiğin görsellere öncelik veren bir yaklaşımla sunulmasına odaklanır. Bu video dizisinde, bir sinir ağının temellerini ve matematik kavramları aracılığıyla nasıl çalıştığını öğreneceksiniz.
3blue1brown'dan matrislerin, determinantların, öz-maddelerin ve daha fazlasının geometrik anlayışını açıklayan bir dizi kısa, görsel video.
3blue1brown'dan, yalnızca denklemlerin nasıl çalıştığını değil, temel teoremleri de güçlü bir şekilde anlamanızı sağlayacak şekilde kalkülüsün temellerini açıklayan bir dizi kısa, görsel video.
MIT'den gelen bu giriş dersi, matris teorisini ve lineer cebiri kapsar. Denklem sistemleri, vektör uzayları, determinantlar, özdeğerler, benzerlik ve pozitif tanımlı matrisler gibi diğer disiplinlerde faydalı olacak konulara vurgu yapılır.
MIT'den alınan bu giriş niteliğindeki kalkülüs kursu, tek değişkenli fonksiyonların uygulamalarla türevini ve entegrasyonunu kapsar.
Olasılık ve istatistiğe görsel bir giriş.
Bu kitap, makine öğreniminde modelleri eğitmek için gereken geniş ve karmaşık veri kümeleri dünyasını anlamlandırmak için gerekli bir araç seti olan istatistiksel öğrenme alanına erişilebilir bir genel bakış sağlar.
TensorFlow kaynakları
İhtiyaçlarınıza özel TensorFlow kitaplıkları ve çerçevelerini kullanmaya başlamanıza yardımcı olmak için favori kaynaklarımızı bir araya getirdik. TensorFlow.js , TensorFlow Lite ve TFX için bölümlerimize atlayın.
En son örnekler ve ortak çalışmalar için resmi TensorFlow kılavuzuna ve eğitimlerine de göz atabilirsiniz.
Machine Learning Foundations, TensorFlow kullanarak makine öğrenimli modeller oluşturmanın temellerini öğreneceğiniz ücretsiz bir eğitim kursudur.
Bu ML Tech Talk, Makine Öğreniminin temellerini bilen ancak TensorFlow'un temelleri (yüksek seviye API'ler kullanmadan tensörler, değişkenler ve gradyanlar) hakkında genel bir bakışa ihtiyaç duyanlar için tasarlanmıştır.
Bu ML Tech Talk, temsil öğrenimini, sinir ağlarının ailelerini ve uygulamalarını, derin bir sinir ağının içine ilk bakışı ve TensorFlow'dan birçok kod örneğini ve konsepti içerir.
Bu dizide, TensorFlow Ekibi, TensorFlow'un üst düzey API'lerinin, doğal dil işlemenin, sinirsel yapılandırılmış öğrenmenin ve daha fazlasının kullanımına yönelik videolar ile TensorFlow'un çeşitli bölümlerine kodlama perspektifinden bakar.
Multimedya analizi, akıllı arama oluşturma, verileri dönüştürme ve bunları kullanıcı dostu araçlarla hızlı bir şekilde uygulamanıza nasıl oluşturabileceğiniz dahil olmak üzere en yaygın ML kullanım örneklerini tespit etmeyi öğrenin.
Geniş bir teknik kitle için TensorFlow.js temellerine uygulamalı bir uçtan uca yaklaşım. Bu kitabı bitirdiğinizde, TensorFlow.js ile üretime hazır derin öğrenme sistemlerini nasıl oluşturacağınızı ve dağıtacağınızı öğreneceksiniz.
TensorFlow.js ile makine öğrenimli modelleri hem eğitmeyi hem de yürütmeyi araştıran ve doğrudan tarayıcıda yürütülen JavaScript'te bir makine öğrenimi modelinin nasıl oluşturulacağını gösteren 3 bölümlük bir dizi.
TensorFlow.js kullanarak web ML ile sıfırdan kahramana gidin. İstemci tarafında çalışabilen ve hemen hemen her cihazda kullanılabilen yeni nesil web uygulamalarının nasıl oluşturulacağını öğrenin.
Makine öğrenimi ve sinir ağları oluşturmaya ilişkin daha geniş bir dizinin parçası olan bu video oynatma listesi, temel API olan TensorFlow.js'ye ve ML modellerini eğitmek ve dağıtmak için JavaScript kitaplığının nasıl kullanılacağına odaklanır.
Google Geliştiricileri
Cihazda Makine ÖğrenimiSes sınıflandırması, görsel ürün arama ve daha fazlası dahil olmak üzere yaygın kullanım örnekleri için adım adım kılavuzlar sağlayan öğrenme yollarıyla ilk cihazdaki makine öğrenimi uygulamanızı nasıl oluşturacağınızı öğrenin.
TensorFlow ekibi ve Udacity tarafından yazılım geliştiriciler için model dağıtımına yönelik pratik bir yaklaşım olarak geliştirilen bu kursta, derin öğrenme modellerinin mobil ve gömülü cihazlarda TensorFlow Lite ile nasıl dağıtılacağını öğrenin.
Bir üretim boru hattı sistemini TFX ile nasıl bir araya getireceğinize uygulamalı bir göz atın. Veri toplama, model oluşturma, dağıtım ve yönetime kadar her şeyi hızla ele alacağız.
Bu kitap, TensorFlow ekosistemini kullanarak bir ML işlem hattını otomatikleştirme adımlarında size yol gösterir. Bu kitaptaki makine öğrenimi örnekleri TensorFlow ve Keras'a dayanmaktadır, ancak temel kavramlar herhangi bir çerçeveye uygulanabilir.
DeepLearning.AI
Üretim için Makine Öğrenimi Mühendisliği (MLOps) UzmanlığıBu dört kurslu uzmanlıkta üretim mühendisliği yeteneklerinizi genişletin. Üretimde sürekli olarak çalışan entegre sistemleri nasıl kavramsallaştıracağınızı, oluşturacağınızı ve sürdüreceğinizi öğrenin.
Bu ileri düzey kurs, TFX bileşenlerini, ardışık düzen düzenlemesini ve otomasyonunu ve Google Cloud ile makine öğrenimi meta verilerinin nasıl yönetileceğini kapsar.
İnsan merkezli yapay zeka
Bir makine öğrenimi modeli tasarlarken veya yapay zekaya dayalı uygulamalar oluştururken, ürünle etkileşime giren kişileri ve bu yapay zeka sistemlerine adalet, yorumlanabilirlik, gizlilik ve güvenlik sağlamanın en iyi yolunu düşünmek önemlidir.
TensorFlow kullanarak Sorumlu Yapay Zeka uygulamalarını makine öğrenimi iş akışınıza nasıl entegre edeceğinizi öğrenin.
Google'ın sunduğu bu rehber kitap, insan merkezli yapay zeka ürünleri oluşturmanıza yardımcı olacaktır. Yaygın hatalardan kaçınmanıza, mükemmel deneyimler tasarlamanıza ve yapay zekaya dayalı uygulamalar oluştururken insanlara odaklanmanıza olanak tanır.
Google'ın MLCC'sindeki bu bir saatlik modül, öğrencilere eğitim verilerinde kendini gösterebilecek farklı insani önyargı türlerini ve bunların etkilerini belirleme ve değerlendirme stratejilerini tanıtır.