掌握您的學習之路
若要成為機器學習專家，您首先需要在四個學習領域奠定穩固的基礎：程式設計、數學、ML 理論，以及從頭到尾建構您自己的 ML 專案的方法。
從 TensorFlow 精選課程開始，以提升這四種技能，或探索下方的資源庫來選擇您自己的學習之路。
機器學習教育的四個領域
當您開始學習之路時，首先務必瞭解如何學習 ML。我們將學習過程分成四個知識領域，每個領域都提供 ML 拼圖的基礎部分。為了協助您踏上學習之路，我們已找出書籍、影片和線上課程，這些資源將提升您的能力，並讓您準備好將 ML 運用於專案中。從我們旨在增進您知識的導引課程開始，或探索我們的資源庫來選擇您自己的學習之路。
TensorFlow 課程
從我們的導引課程之一開始學習，其中包含推薦的課程、書籍和影片。
透過這系列書籍和線上課程學習 ML 基礎知識。您將會認識 ML，並在 TensorFlow 2.0 的引導下學習深度學習。接著，您將有機會透過初學者教學課程練習所學內容。
學習以 JavaScript 開發機器學習模型，以及如何直接在瀏覽器中部署的基礎知識。您將獲得關於深度學習以及如何透過實作練習開始使用 TensorFlow.js 的高階簡介。
這本入門書提供以程式碼優先的方法，學習如何實作最常見的 ML 情境，例如電腦視覺、自然語言處理 (NLP) 和適用於網路、行動裝置、雲端和嵌入式執行階段的序列模型。
本書運用具體範例、最簡理論和兩個可實際應用的 Python 框架 (Scikit-Learn 和 TensorFlow)，協助您直覺地瞭解建構智慧型系統的概念和工具。
針對廣泛技術受眾的 TensorFlow.js 基礎知識，提供實務操作端對端方法。完成本書後，您將瞭解如何使用 TensorFlow.js 建構和部署可實際應用的深度學習系統。
本書由 TensorFlow 程式庫的主要作者撰寫，針對在瀏覽器或 Node 中以 JavaScript 開發的深度學習應用程式，提供引人入勝的使用案例和深入的說明。
DeepLearning.AI
TensorFlow 與 AI、ML 和深度學習簡介本課程與 TensorFlow 團隊合作開發，是 TensorFlow Developer Specialization 的一部分，將教導您使用 TensorFlow 的最佳做法。
DeepLearning.AI
TensorFlow 開發人員專業課程在 TensorFlow 開發人員講授的這門四課程專業課程中，您將探索開發人員用來在 TensorFlow 中建構可擴充的 AI 驅動演算法的工具和軟體。
DeepLearning.AI
TensorFlow：進階技術專業課程這門專業課程適合具備 TensorFlow 基礎知識的軟體和 ML 工程師，他們希望透過學習進階 TensorFlow 功能來擴展知識和技能組合，以建構強大的模型。
TensorFlow 資源
我們已收集我們最愛的資源，以協助您開始使用符合您需求的 TensorFlow 程式庫和架構。跳到我們的 TensorFlow.js、TensorFlow Lite 和 TFX 章節。
您也可以瀏覽官方 TensorFlow 指南和教學課程，以取得最新的範例和 colab。
在本系列中，TensorFlow 團隊從程式設計的角度檢視 TensorFlow 的各個部分，並提供關於 TensorFlow 高階 API、自然語言處理、神經結構化學習等用途的影片。
取得在瀏覽器中使用 JavaScript 進行 ML 的實務工作知識。學習如何從空白畫布編寫自訂模型、透過遷移學習重新訓練模型，以及轉換來自 Python 的模型。
針對廣泛技術受眾的 TensorFlow.js 基礎知識，提供實務操作端對端方法。完成本書後，您將瞭解如何使用 TensorFlow.js 建構和部署可實際應用的深度學習系統。
這是一個分為 3 部分的系列，探討使用 TensorFlow.js 訓練和執行機器學習模型，並示範如何使用 JavaScript 建立直接在瀏覽器中執行的機器學習模型。
使用 TensorFlow.js 透過網路 ML 從新手變專家。學習如何建立可在用戶端執行並可在幾乎任何裝置上使用的新一代網路應用程式。
這個影片播放清單是關於機器學習和建構神經網路的較大型系列的一部分，重點在於 TensorFlow.js、核心 API，以及如何使用 JavaScript 程式庫來訓練和部署 ML 模型。
在這門由 TensorFlow 團隊和 Udacity 開發的課程中，學習如何使用 TensorFlow Lite 在行動裝置和嵌入式裝置上部署深度學習模型，這是針對軟體開發人員模型部署的實務方法。
