使用 TensorFlow 学习机器学习基础
本课程适合以下人群
- ML 新手，但具有中级编程背景
本内容旨在指导 ML 新手开发者完成 ML 学习之旅的初始阶段。您会发现许多资源使用 TensorFlow，但这些知识可以迁移到其他机器学习框架。
步骤 1：了解 ML 的基本原理
TensorFlow 2.0 旨在简化构建用于机器学习的神经网络，这就是 TensorFlow 2.0 使用名为 Keras 的 API 的原因。由 Keras 创建者 Francois Chollet 编写的书籍 用 Python 进行深度学习 是一个很好的入门起点。阅读第 1-4 章，从程序员的角度了解 ML 的基础知识。本书的后半部分深入探讨了计算机视觉、自然语言处理、生成式深度学习等领域。如果这些主题目前过于高级，请不要担心，因为随着时间的推移，您会逐渐理解它们。
这本入门书籍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。
⬆ 或 ⬇
参加在线课程，例如 Coursera 的 TensorFlow 入门 或 Udacity 的 深度学习 TensorFlow 入门，这两门课程涵盖了与 Francois 的书籍相同的基础知识。您可能还会发现来自 3blue1brown 的 这些视频 有用，这些视频从数学角度快速解释了神经网络的工作原理。
完成此步骤将为您提供 ML 工作原理的基础知识，为深入学习做好准备。
DeepLearning.AI
AI、ML 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，将教您使用 TensorFlow 的最佳实践。
步骤 2：超越基础
参加 TensorFlow 开发者专业化，它将带您超越基础知识，进入计算机视觉、NLP 和序列建模入门。
完成此步骤将继续您的入门学习，并教您如何使用 TensorFlow 为各种场景构建基本模型，包括图像分类、理解文本中的情感、生成算法等等。
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，您将探索开发人员用来在 TensorFlow 中构建可扩展的 AI 驱动的算法的工具和软件。
步骤 3：实践
尝试一些我们的 TensorFlow 核心教程，这些教程将让您练习在步骤 1 和 2 中学习的概念。完成后，尝试一些更高级的练习。
完成此步骤将提高您对构建 ML 模型时遇到的主要概念和场景的理解。
步骤 4：深入了解 TensorFlow
现在是时候回到 Francois 的 用 Python 进行深度学习 并完成第 5-9 章。您还应该阅读 Aurelien Geron 编写的书籍 动手学机器学习：Scikit-Learn、Keras 和 TensorFlow。本书使用 TensorFlow 2.0 介绍 ML 和深度学习。
完成此步骤将完善您对 ML 的入门知识，包括扩展平台以满足您的需求。
本书通过具体的例子、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。