TensorFlow 機器學習基礎
本課程適用於以下人士
- 機器學習新手，但具備中階程式設計背景
本內容旨在引導機器學習新手開發人員，順利度過機器學習旅程的初期階段。您會發現許多資源都使用 TensorFlow，但這些知識可以轉移到其他機器學習架構。
步驟 1：瞭解 ML 的一切
TensorFlow 2.0 旨在讓機器學習神經網路的建構變得容易，這就是 TensorFlow 2.0 使用名為 Keras 的 API 的原因。《Deep Learning with Python》一書的作者 Francois Chollet 同時也是 Keras 的建立者，本書是入門的絕佳選擇。請閱讀第 1-4 章，從程式設計人員的角度瞭解 ML 的基本原理。本書的後半部分深入探討了電腦視覺、自然語言處理、生成式深度學習等領域。如果這些主題現在對您來說太過進階，請別擔心，隨著時間推移，您會更瞭解它們。
這本入門書提供程式碼優先的方法，教您如何實作最常見的 ML 案例，例如電腦視覺、自然語言處理 (NLP) 和序列模型，以用於網頁、行動裝置、雲端和嵌入式執行階段。
⬆ 或 ⬇
參加線上課程，例如 Coursera 的 TensorFlow 簡介 或 Udacity 的 深度學習 TensorFlow 簡介，這兩個課程涵蓋的基礎知識與 Francois 的書相同。您也可能會發現 3blue1brown 的這些影片 很有幫助，它們快速說明了神經網路如何在數學層面上運作。
完成此步驟將讓您掌握 ML 運作方式的基礎知識，為您深入學習做好準備。
DeepLearning.AI
AI、ML 和深度學習 TensorFlow 簡介本課程與 TensorFlow 團隊合作開發，是 TensorFlow 開發人員專業認證課程的一部分，將教您使用 TensorFlow 的最佳實務做法。
步驟 2：超越基礎知識
參加 TensorFlow 開發人員專業認證課程，此課程將帶您超越基礎知識，進入電腦視覺、NLP 和序列模型簡介。
完成此步驟將繼續您的入門學習，並教您如何使用 TensorFlow 為各種情境建構基本模型，包括影像分類、瞭解文字中的情緒、生成式演算法等等。
DeepLearning.AI
TensorFlow 開發人員專業認證課程在這個由 TensorFlow 開發人員授課的四門課程專業認證中，您將探索開發人員用來在 TensorFlow 中建構可擴充 AI 驅動演算法的工具和軟體。
步驟 3：練習
試用我們的一些 TensorFlow Core 教學課程，讓您可以練習在步驟 1 和 2 中學到的概念。完成後，請嘗試一些更進階的練習。
完成此步驟將增進您對建構 ML 模型時會遇到的主要概念和情境的理解。
步驟 4：深入瞭解 TensorFlow
現在是時候回到 Francois 的 Deep Learning with Python，並完成第 5-9 章。您也應該閱讀 Aurelien Geron 的《Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow》一書。本書介紹了使用 TensorFlow 2.0 的 ML 和深度學習。
完成此步驟將完善您的 ML 入門知識，包括擴充平台以滿足您的需求。
本書透過具體的範例、最少的理論和兩個可供生產環境使用的 Python 架構 (Scikit-Learn 和 TensorFlow)，協助您直觀地瞭解建構智慧型系統的概念和工具。