Làm chủ con đường của bạn
Để trở thành một chuyên gia trong lĩnh vực máy học, trước tiên bạn cần có nền tảng vững chắc trong bốn lĩnh vực học tập : mã hóa, toán học, lý thuyết ML và cách xây dựng dự án ML của riêng bạn từ đầu đến cuối.
Bắt đầu với các giáo trình được tuyển chọn của TensorFlow để cải thiện bốn kỹ năng này hoặc chọn lộ trình học tập của riêng bạn bằng cách khám phá thư viện tài nguyên của chúng tôi bên dưới.
Bốn lĩnh vực của giáo dục máy học
Khi bắt đầu con đường học vấn của bạn, điều quan trọng đầu tiên là phải hiểu cách học ML. Chúng tôi đã chia quá trình học tập thành bốn lĩnh vực kiến thức, với mỗi lĩnh vực cung cấp một phần cơ bản của câu đố ML. Để giúp bạn trên con đường của mình, chúng tôi đã xác định sách, video và các khóa học trực tuyến sẽ nâng cao khả năng của bạn và chuẩn bị cho bạn sử dụng ML cho các dự án của mình. Bắt đầu với các chương trình giảng dạy có hướng dẫn của chúng tôi được thiết kế để nâng cao kiến thức của bạn hoặc chọn con đường của riêng bạn bằng cách khám phá thư viện tài nguyên của chúng tôi.
TensorFlow chương trình giảng dạy
Bắt đầu học với một trong các chương trình giảng dạy có hướng dẫn của chúng tôi chứa các khóa học, sách và video được đề xuất.
Tìm hiểu kiến thức cơ bản về ML với bộ sưu tập sách và các khóa học trực tuyến này. Bạn sẽ được giới thiệu về ML và được hướng dẫn thông qua việc học sâu bằng TensorFlow 2.0. Sau đó, bạn sẽ có cơ hội thực hành những gì bạn học được với các hướng dẫn dành cho người mới bắt đầu.
Sau khi bạn hiểu kiến thức cơ bản về học máy, hãy nâng khả năng của bạn lên một tầm cao mới bằng cách đi sâu vào hiểu biết lý thuyết về mạng nơ-ron, học sâu và nâng cao kiến thức của bạn về các khái niệm toán học cơ bản.
Tìm hiểu kiến thức cơ bản về phát triển mô hình học máy trong JavaScript và cách triển khai trực tiếp trong trình duyệt. Bạn sẽ được giới thiệu cấp cao về học sâu và cách bắt đầu với TensorFlow.js thông qua các bài tập thực hành.
Phương pháp giáo dục
Chọn lộ trình học tập của riêng bạn và khám phá sách, khóa học, video và bài tập được nhóm TensorFlow đề xuất để dạy bạn nền tảng của ML.
Sách
Đọc là một trong những cách tốt nhất để hiểu nền tảng của ML và học sâu. Sách có thể cung cấp cho bạn sự hiểu biết lý thuyết cần thiết để giúp bạn học các khái niệm mới nhanh hơn trong tương lai.
Cuốn sách giới thiệu này cung cấp cách tiếp cận đầu tiên bằng mã để tìm hiểu cách triển khai các kịch bản ML phổ biến nhất, chẳng hạn như thị giác máy tính, xử lý ngôn ngữ tự nhiên (NLP) và mô hình trình tự cho web, thiết bị di động, đám mây và thời gian chạy được nhúng.
Cuốn sách này là phần giới thiệu thực tế, thực tế về Học sâu với Keras.
Sử dụng các ví dụ cụ thể, lý thuyết tối thiểu và hai khung Python sẵn sàng cho sản xuất — Scikit-Learn và TensorFlow — cuốn sách này giúp bạn hiểu trực quan về các khái niệm và công cụ để xây dựng hệ thống thông minh.
Sách giáo khoa Deep Learning này là một nguồn tài liệu nhằm giúp sinh viên và các học viên tham gia vào lĩnh vực máy học nói chung và học sâu nói riêng.
Cuốn sách này cung cấp một nền tảng lý thuyết về mạng nơ-ron. Nó không sử dụng TensorFlow, nhưng là một tài liệu tham khảo tuyệt vời cho những sinh viên muốn tìm hiểu thêm.
Phương pháp tiếp cận thực hành từ đầu đến cuối đối với các nguyên tắc cơ bản của TensorFlow.js dành cho đối tượng kỹ thuật rộng rãi. Sau khi hoàn thành cuốn sách này, bạn sẽ biết cách xây dựng và triển khai các hệ thống học sâu sẵn sàng cho sản xuất với TensorFlow.js.
Được viết bởi các tác giả chính của thư viện TensorFlow, cuốn sách này cung cấp các trường hợp sử dụng hấp dẫn và hướng dẫn chuyên sâu cho các ứng dụng học sâu bằng JavaScript trong trình duyệt của bạn hoặc trên Node.
Các khóa học trực tuyến
Tham gia một khóa học trực tuyến gồm nhiều phần là một cách tốt để học các khái niệm cơ bản về ML. Nhiều khóa học cung cấp các giải thích trực quan tuyệt vời và các công cụ cần thiết để bắt đầu áp dụng máy học trực tiếp tại nơi làm việc hoặc với các dự án cá nhân của bạn.
DeepLearning.AI
Giới thiệu về TensorFlow dành cho AI, ML và Deep LearningĐược phát triển với sự cộng tác của nhóm TensorFlow, khóa học này là một phần của Chuyên môn dành cho nhà phát triển TensorFlow và sẽ hướng dẫn bạn các phương pháp hay nhất để sử dụng TensorFlow.
Trong khóa học trực tuyến do nhóm TensorFlow và Udacity phát triển, bạn sẽ học cách xây dựng các ứng dụng học sâu với TensorFlow.
DeepLearning.AI
Chuyên môn dành cho nhà phát triển TensorFlowTrong Chuyên ngành bốn khóa học này do một nhà phát triển TensorFlow giảng dạy, bạn sẽ khám phá các công cụ và nhà phát triển phần mềm sử dụng để xây dựng các thuật toán hỗ trợ AI có thể mở rộng trong TensorFlow.
Nhà phát triển của Google
Khóa học về sự cố máy họcKhóa học về sự cố máy học với các API TensorFlow là một hướng dẫn tự học dành cho những người thực hành máy học có nguyện vọng. Nó bao gồm một loạt các bài học với các bài giảng video, các nghiên cứu tình huống trong thế giới thực và các bài tập thực hành.
Trong khóa học này từ MIT, bạn sẽ có được kiến thức nền tảng về các thuật toán học sâu và có được kinh nghiệm thực tế trong việc xây dựng mạng nơ-ron trong TensorFlow.
DeepLearning.AI
Chuyên môn học sâuTrong năm khóa học, bạn sẽ tìm hiểu nền tảng của Học sâu, hiểu cách xây dựng mạng thần kinh và học cách dẫn dắt các dự án học máy thành công và xây dựng sự nghiệp trong lĩnh vực AI. Bạn sẽ không chỉ nắm vững lý thuyết, mà còn xem nó được áp dụng như thế nào trong ngành công nghiệp.
DeepLearning.AI
TensorFlow: Chuyên môn hóa dữ liệu và triển khaiBạn đã học cách xây dựng và đào tạo các mô hình. Bây giờ, hãy tìm hiểu cách điều hướng các tình huống triển khai khác nhau và sử dụng dữ liệu hiệu quả hơn để đào tạo mô hình của bạn trong Chuyên môn bốn khóa học này.
DeepLearning.AI
TensorFlow: Chuyên môn hóa kỹ thuật nâng caoChuyên môn này dành cho các kỹ sư phần mềm và ML có hiểu biết cơ bản về TensorFlow, những người đang tìm cách mở rộng kiến thức và bộ kỹ năng của mình bằng cách học các tính năng nâng cao của TensorFlow để xây dựng các mô hình mạnh mẽ.
Tìm hiểu cách bạn có thể để mắt nhiều hơn đến nghiên cứu tiên tiến của mình hoặc cung cấp siêu năng lực trong các ứng dụng web của bạn trong công việc trong tương lai cho khách hàng hoặc công ty bạn làm việc với công nghệ máy học dựa trên web.
Khái niệm toán học
Để hiểu sâu hơn về kiến thức ML của bạn, những tài nguyên này có thể giúp bạn hiểu các khái niệm toán học cơ bản cần thiết để nâng cao trình độ.
Một cái nhìn toàn cảnh về đại số tuyến tính cho máy học. Chưa bao giờ học đại số tuyến tính hoặc biết một chút về những điều cơ bản, và muốn cảm nhận về cách nó được sử dụng trong ML? Sau đó, video này là dành cho bạn.
Đại học Hoàng gia Luân Đôn
Toán học cho Chuyên ngành Máy họcChuyên môn trực tuyến này từ Coursera nhằm mục đích thu hẹp khoảng cách giữa toán học và học máy, giúp bạn bắt kịp tốc độ toán học cơ bản để xây dựng sự hiểu biết trực quan và liên hệ nó với Học máy và Khoa học dữ liệu.
3blue1brown tập trung vào việc trình bày toán học với phương pháp tiếp cận trực quan trước tiên. Trong loạt video này, bạn sẽ tìm hiểu những kiến thức cơ bản về mạng nơ-ron và cách nó hoạt động thông qua các khái niệm toán học.
Một loạt video ngắn, trực quan từ 3blue1brown giải thích sự hiểu biết về hình học của ma trận, định thức, eigen và hơn thế nữa.
Một loạt video ngắn, trực quan từ 3blue1brown giải thích các nguyên tắc cơ bản của phép tính giải tích theo cách giúp bạn hiểu rõ hơn về các định lý cơ bản chứ không chỉ cách hoạt động của các phương trình.
Khóa học nhập môn này của MIT bao gồm lý thuyết ma trận và đại số tuyến tính. Nhấn mạnh vào các chủ đề sẽ hữu ích trong các lĩnh vực khác, bao gồm hệ phương trình, không gian vectơ, định thức, giá trị riêng, độ tương tự và ma trận xác định dương.
Khóa học giải tích nhập môn này của MIT bao gồm sự khác biệt và tích hợp các hàm của một biến, với các ứng dụng.
Giới thiệu trực quan về xác suất và thống kê.
Cuốn sách này cung cấp một cái nhìn tổng quan dễ tiếp cận về lĩnh vực thống kê học, một bộ công cụ thiết yếu để hiểu thế giới rộng lớn và phức tạp của các bộ dữ liệu cần thiết để đào tạo các mô hình trong học máy.
Tài nguyên TensorFlow
Chúng tôi đã tập hợp các tài nguyên yêu thích của mình để giúp bạn bắt đầu với các thư viện và khuôn khổ TensorFlow cụ thể cho nhu cầu của bạn. Chuyển đến các phần của chúng tôi cho TensorFlow.js , TensorFlow Lite và TFX .
Bạn cũng có thể duyệt qua hướng dẫn và hướng dẫn TensorFlow chính thức để biết các ví dụ và chuyên mục mới nhất.
Cơ sở Máy học là một khóa đào tạo miễn phí, nơi bạn sẽ tìm hiểu các nguyên tắc cơ bản về việc xây dựng các mô hình máy học bằng cách sử dụng TensorFlow.
ML Tech Talk này được thiết kế cho những người biết kiến thức cơ bản về Học máy nhưng cần có cái nhìn tổng quan về các nguyên tắc cơ bản của TensorFlow (tensor, biến và gradient mà không cần sử dụng API cấp cao).
ML Tech Talk này bao gồm học đại diện, các họ mạng nơ-ron và các ứng dụng của chúng, cái nhìn đầu tiên bên trong một mạng nơ-ron sâu và nhiều ví dụ và khái niệm mã từ TensorFlow.
Trong loạt bài này, Nhóm TensorFlow xem xét các phần khác nhau của TensorFlow từ góc độ mã hóa, với các video sử dụng API cấp cao của TensorFlow, xử lý ngôn ngữ tự nhiên, học có cấu trúc thần kinh và hơn thế nữa.
Tìm hiểu cách phát hiện các trường hợp sử dụng ML phổ biến nhất bao gồm phân tích đa phương tiện, xây dựng tìm kiếm thông minh, chuyển đổi dữ liệu và cách nhanh chóng xây dựng chúng vào ứng dụng của bạn bằng các công cụ thân thiện với người dùng.
Đối với Javascript
Khám phá các tài nguyên mới nhất tại TensorFlow.js .
Phương pháp tiếp cận thực hành từ đầu đến cuối đối với các nguyên tắc cơ bản của TensorFlow.js dành cho đối tượng kỹ thuật rộng rãi. Sau khi hoàn thành cuốn sách này, bạn sẽ biết cách xây dựng và triển khai các hệ thống học sâu sẵn sàng cho sản xuất với TensorFlow.js.
Loạt bài gồm 3 phần khám phá cả đào tạo và thực thi các mô hình máy học với TensorFlow.js, đồng thời hướng dẫn bạn cách tạo mô hình máy học trong JavaScript thực thi trực tiếp trong trình duyệt.
Đi từ con số 0 đến anh hùng với ML web bằng TensorFlow.js. Tìm hiểu cách tạo các ứng dụng web thế hệ tiếp theo có thể chạy phía máy khách và được sử dụng trên hầu hết mọi thiết bị.
Là một phần của loạt bài lớn hơn về máy học và xây dựng mạng nơ-ron, danh sách phát video này tập trung vào TensorFlow.js, API cốt lõi và cách sử dụng thư viện JavaScript để đào tạo và triển khai các mô hình ML.
Dành cho di động & IoT
Khám phá các tài nguyên mới nhất tại TensorFlow Lite .
Nhà phát triển của Google
Học máy trên thiết bịTìm hiểu cách tạo ứng dụng ML trên thiết bị đầu tiên của bạn thông qua các lộ trình học tập cung cấp hướng dẫn từng bước cho các trường hợp sử dụng phổ biến bao gồm phân loại âm thanh, tìm kiếm sản phẩm trực quan, v.v.
Tìm hiểu cách triển khai mô hình học sâu trên thiết bị di động và nhúng với TensorFlow Lite trong khóa học này, được phát triển bởi nhóm TensorFlow và Udacity như một cách tiếp cận thực tế để triển khai mô hình cho các nhà phát triển phần mềm.
Xem thực tế cách kết hợp hệ thống đường ống sản xuất với TFX. Chúng tôi sẽ nhanh chóng bao gồm mọi thứ từ thu thập dữ liệu, xây dựng mô hình, đến triển khai và quản lý.
Cuốn sách này sẽ hướng dẫn bạn các bước tự động hóa đường ống ML bằng hệ sinh thái TensorFlow. Các ví dụ về học máy trong cuốn sách này dựa trên TensorFlow và Keras, nhưng các khái niệm cốt lõi có thể được áp dụng cho bất kỳ khuôn khổ nào.
DeepLearning.AI
Chuyên ngành Kỹ thuật Máy học cho Sản xuất (MLOps)Mở rộng khả năng kỹ thuật sản xuất của bạn trong chuyên môn bốn khóa học này. Học cách lên ý tưởng, xây dựng và duy trì các hệ thống tích hợp hoạt động liên tục trong sản xuất.
Khóa học nâng cao này bao gồm các thành phần TFX, tự động hóa và điều phối đường ống cũng như cách quản lý siêu dữ liệu ML với Google Cloud.
AI lấy con người làm trung tâm
Khi thiết kế mô hình ML hoặc xây dựng các ứng dụng dựa trên AI, điều quan trọng là phải xem xét những người tương tác với sản phẩm và cách tốt nhất để xây dựng tính công bằng, khả năng diễn giải, quyền riêng tư và bảo mật cho các hệ thống AI này.
Tìm hiểu cách tích hợp các phương pháp AI có trách nhiệm vào quy trình làm việc ML của bạn bằng cách sử dụng TensorFlow.
Cuốn sách hướng dẫn này của Google sẽ giúp bạn xây dựng các sản phẩm AI lấy con người làm trung tâm. Nó sẽ cho phép bạn tránh những sai lầm phổ biến, thiết kế trải nghiệm tuyệt vời và tập trung vào mọi người khi bạn xây dựng các ứng dụng dựa trên AI.
Mô-đun kéo dài một giờ này trong MLCC của Google giới thiệu cho người học các kiểu thành kiến khác nhau của con người có thể biểu hiện trong dữ liệu đào tạo, cũng như các chiến lược để xác định và đánh giá tác động của chúng.