机器学习教育的四个领域
在开始您的学习之旅时，首先要了解如何学习 ML。我们将学习过程分为四个知识领域，每个领域都提供 ML 拼图的基础部分。为了帮助您在学习的道路上，我们确定了一些书籍、视频和在线课程，这些课程将提升您的能力，并让您准备好将 ML 用于您的项目。从我们设计的引导课程开始，以增加您的知识，或者通过探索我们的资源库选择自己的学习路径。
TensorFlow 课程
从我们提供的引导课程开始学习，这些课程包含推荐的课程、书籍和视频。
通过这套书籍和在线课程学习 ML 基础知识。您将被介绍到 ML，并使用 TensorFlow 2.0 指导您完成深度学习。然后，您将有机会通过初学者教程练习所学内容。
学习使用 JavaScript 开发机器学习模型的基础知识，以及如何直接在浏览器中部署。您将获得有关深度学习以及如何通过动手练习开始使用 TensorFlow.js 的高级介绍。
这本入门书提供了一种以代码为中心的学习方法，教您如何实现最常见的 ML 场景，例如计算机视觉、自然语言处理 (NLP) 和用于 Web、移动、云和嵌入式运行时的序列建模。
本书使用具体示例、最少的理论以及两个生产就绪的 Python 框架（Scikit-Learn 和 TensorFlow）帮助您直观地理解构建智能系统的概念和工具。
面向广泛技术受众的 TensorFlow.js 基础知识的动手端到端方法。完成本书后，您将了解如何使用 TensorFlow.js 构建和部署生产就绪的深度学习系统。
本书由 TensorFlow 库的主要作者撰写，提供了引人入胜的用例和深入的指导，用于在浏览器或 Node 中使用 JavaScript 开发深度学习应用程序。
DeepLearning.AI
人工智能、机器学习和深度学习的 TensorFlow 入门本课程与 TensorFlow 团队合作开发，是 TensorFlow 开发者专业化的组成部分，将教你使用 TensorFlow 的最佳实践。
DeepLearning.AI
TensorFlow 开发者专业化在本由 TensorFlow 开发者教授的四门课程专业化中，你将探索工具和软件开发人员用于在 TensorFlow 中构建可扩展的 AI 驱动的算法。
DeepLearning.AI
TensorFlow：高级技术专业化本专业化课程面向具有 TensorFlow 基础知识的软件和 ML 工程师，他们希望通过学习高级 TensorFlow 功能来扩展他们的知识和技能，以构建强大的模型。
TensorFlow 资源
我们收集了我们最喜欢的资源，以帮助你开始使用 TensorFlow 库和框架，这些库和框架专门针对你的需求。跳转到我们的部分，了解 TensorFlow.js、TensorFlow Lite 和 TFX。
你还可以浏览官方 TensorFlow 指南 和 教程，以获取最新的示例和协作。
在本系列中，TensorFlow 团队从编码的角度审视了 TensorFlow 的各个部分，包括使用 TensorFlow 的高级 API、自然语言处理、神经结构化学习等的视频。
通过 JavaScript 获取在浏览器中使用 ML 的实用工作知识。了解如何从空白画布编写自定义模型、通过迁移学习重新训练模型以及将模型从 Python 转换。
面向广泛技术受众的 TensorFlow.js 基础知识的动手端到端方法。完成本书后，您将了解如何使用 TensorFlow.js 构建和部署生产就绪的深度学习系统。
一个三部分系列，探讨了使用 TensorFlow.js 训练和执行机器学习模型，并向您展示了如何在 JavaScript 中创建一个直接在浏览器中执行的机器学习模型。
使用 TensorFlow.js 从零开始成为 Web ML 专家。了解如何创建能够在客户端运行并在几乎所有设备上使用的下一代 Web 应用程序。
作为机器学习和构建神经网络的更大系列的一部分，此视频播放列表重点介绍 TensorFlow.js、核心 API 以及如何使用 JavaScript 库来训练和部署 ML 模型。
在本课程中了解如何使用 TensorFlow Lite 将深度学习模型部署到移动设备和嵌入式设备，该课程由 TensorFlow 团队和 Udacity 开发，旨在为软件开发人员提供一种实用的模型部署方法。
