Nozioni di base sull'apprendimento automatico con TensorFlow
Questo curriculum è per le persone che sono:
- Nuovo in ML, ma con un background di programmazione intermedio
Questo contenuto ha lo scopo di guidare gli sviluppatori che non conoscono il ML attraverso le fasi iniziali del loro viaggio nel ML. Vedrai che molte delle risorse utilizzano TensorFlow, tuttavia, la conoscenza è trasferibile ad altri framework di machine learning.
Passaggio 1: comprendere in cosa consiste il machine learning
TensorFlow 2.0 è progettato per semplificare la creazione di reti neurali per l'apprendimento automatico, motivo per cui TensorFlow 2.0 utilizza un'API chiamata Keras. Il libro Deep Learning with Python di Francois Chollet, creatore di Keras, è un ottimo punto di partenza. Leggi i capitoli 1-4 per comprendere i fondamenti del machine learning dal punto di vista di un programmatore. La seconda metà del libro approfondisce aree come la visione artificiale, l'elaborazione del linguaggio naturale, l'apprendimento profondo generativo e altro ancora. Non preoccuparti se questi argomenti sono troppo avanzati in questo momento poiché avranno più senso a tempo debito.
![](https://www.tensorflow.org/static/site-assets/images/marketing/edu/edu_books_aimlforcoders.jpg?authuser=7&hl=it)
Questo libro introduttivo fornisce un approccio code-first per imparare a implementare gli scenari ML più comuni, come la visione artificiale, l'elaborazione del linguaggio naturale (NLP) e la modellazione di sequenze per runtime Web, mobili, cloud e incorporati.
![](https://www.tensorflow.org/static/site-assets/images/marketing/edu/edu_books.jpg?authuser=7&hl=it)
Questo libro è un'introduzione pratica e pratica al Deep Learning con Keras.
⬆ Oppure ⬇
Segui un corso online come l'Introduzione a TensorFlow di Coursera o l'Introduzione a TensorFlow for Deep Learning di Udacity, che trattano entrambi gli stessi fondamenti del libro di François. Potresti trovare utili anche questi video di 3blue1brown, che ti forniscono rapide spiegazioni su come funzionano le reti neurali a livello matematico.
Il completamento di questo passaggio ti fornirà le basi del funzionamento del machine learning, preparandoti ad approfondire.
![](https://www.tensorflow.org/static/site-assets/images/marketing/edu/edu_course_intro_to_tf_for_ai_ml_and_dl_coursera.jpg?authuser=7&hl=it)
DeepLearning.AI
Introduzione a TensorFlow per AI, ML e Deep LearningSviluppato in collaborazione con il team TensorFlow, questo corso fa parte della specializzazione per sviluppatori TensorFlow e ti insegnerà le migliori pratiche per l'utilizzo di TensorFlow.
![](https://www.tensorflow.org/static/site-assets/images/marketing/edu/edu_course_intro_to_tf_udacity.jpg?authuser=7&hl=it)
In questo corso online sviluppato dal team TensorFlow e Udacity, imparerai come creare applicazioni di deep learning con TensorFlow.
Passaggio 2: oltre le basi
Scegli la specializzazione per sviluppatori TensorFlow , che ti porta oltre le nozioni di base e ti porta ai concetti introduttivi di visione artificiale, PNL e modellazione di sequenze.
Il completamento di questo passaggio continua con l'introduzione e ti insegna come utilizzare TensorFlow per creare modelli di base per una varietà di scenari, tra cui la classificazione delle immagini, la comprensione del sentiment nel testo, algoritmi generativi e altro ancora.
![](https://www.tensorflow.org/static/site-assets/images/marketing/edu/edu_course_specialization_coursera.jpg?authuser=7&hl=it)
DeepLearning.AI
Specializzazione per sviluppatori TensorFlowIn questa specializzazione di quattro corsi tenuta da uno sviluppatore TensorFlow, esplorerai gli strumenti e i software utilizzati dagli sviluppatori per creare algoritmi scalabili basati sull'intelligenza artificiale in TensorFlow.
Passaggio 3: pratica
Prova alcuni dei nostri tutorial su TensorFlow Core , che ti permetteranno di mettere in pratica i concetti appresi nei passaggi 1 e 2. Una volta terminato, prova alcuni degli esercizi più avanzati.
Il completamento di questo passaggio migliorerà la tua comprensione dei principali concetti e scenari che incontrerai durante la creazione di modelli ML.
Passaggio 4: approfondisci con TensorFlow
Ora è il momento di tornare al Deep Learning with Python di Francois e finire i capitoli 5-9. Dovresti anche leggere il libro Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow , di Aurelien Geron. Questo libro introduce il machine learning e il deep learning utilizzando TensorFlow 2.0.
Il completamento di questo passaggio completerà la tua conoscenza introduttiva del machine learning, inclusa l'espansione della piattaforma per soddisfare le tue esigenze.
![](https://www.tensorflow.org/static/site-assets/images/marketing/edu/edu_books_aurelien_geron.jpg?authuser=7&hl=it)
Utilizzando esempi concreti, teoria minima e due framework Python pronti per la produzione, Scikit-Learn e TensorFlow, questo libro ti aiuta ad acquisire una comprensione intuitiva dei concetti e degli strumenti per costruire sistemi intelligenti.