Tetap teratur dengan koleksi
Simpan dan kategorikan konten berdasarkan preferensi Anda.
Kuasai jalan Anda
Untuk menjadi ahli dalam pembelajaran mesin, pertama-tama Anda memerlukan dasar yang kuat dalam empat bidang pembelajaran : coding, matematika, teori ML, dan cara membuat proyek ML Anda sendiri dari awal hingga selesai.
Mulailah dengan kurikulum pilihan TensorFlow untuk meningkatkan keempat keterampilan ini, atau pilih jalur pembelajaran Anda sendiri dengan menjelajahi pustaka sumber daya kami di bawah.
Empat bidang pendidikan pembelajaran mesin
Saat memulai jalur pendidikan Anda, penting untuk terlebih dahulu memahami cara mempelajari ML. Kami telah membagi proses pembelajaran menjadi empat bidang pengetahuan, dengan masing-masing bidang memberikan bagian dasar dari teka-teki ML. Untuk membantu Anda dalam perjalanan Anda, kami telah mengidentifikasi buku, video, dan kursus online yang akan meningkatkan kemampuan Anda, dan mempersiapkan Anda untuk menggunakan ML untuk proyek Anda. Mulailah dengan kurikulum terpandu kami yang dirancang untuk meningkatkan pengetahuan Anda, atau pilih jalur Anda sendiri dengan menjelajahi perpustakaan sumber daya kami.
Keterampilan pengkodean: Membangun model ML melibatkan lebih dari sekadar mengetahui konsep ML—hal ini memerlukan pengkodean untuk melakukan pengelolaan data, penyesuaian parameter, dan penguraian hasil yang diperlukan untuk menguji dan mengoptimalkan model Anda.
Matematika dan statistik: ML adalah disiplin matematika yang berat, jadi jika Anda berencana memodifikasi model ML atau membuat model baru dari awal, pemahaman terhadap konsep matematika yang mendasarinya sangat penting dalam proses tersebut.
Teori ML: Mengetahui dasar-dasar teori ML akan memberi Anda landasan untuk membangun, dan membantu Anda memecahkan masalah ketika terjadi kesalahan.
Bangun proyek Anda sendiri: Mendapatkan pengalaman langsung dengan ML adalah cara terbaik untuk menguji pengetahuan Anda, jadi jangan takut untuk mendalami lebih awal dengan colab atau tutorial sederhana untuk berlatih.
Kurikulum TensorFlow
Mulailah belajar dengan salah satu kurikulum terpandu kami yang berisi kursus, buku, dan video yang direkomendasikan.
Pelajari dasar-dasar ML dengan koleksi buku dan kursus online ini. Anda akan diperkenalkan dengan ML dan dipandu melalui pembelajaran mendalam menggunakan TensorFlow 2.0. Kemudian Anda akan memiliki kesempatan untuk mempraktekkan apa yang Anda pelajari dengan tutorial pemula.
Setelah Anda memahami dasar-dasar pembelajaran mesin, tingkatkan kemampuan Anda ke tingkat berikutnya dengan mendalami pemahaman teoretis tentang jaringan saraf, pembelajaran mendalam, dan meningkatkan pengetahuan Anda tentang konsep matematika yang mendasarinya.
Pelajari dasar-dasar pengembangan model pembelajaran mesin di JavaScript, dan cara menerapkannya langsung di browser. Anda akan mendapatkan pengenalan tingkat tinggi tentang pembelajaran mendalam dan cara memulai TensorFlow.js melalui latihan langsung.
Sumber daya pendidikan
Pilih jalur pembelajaran Anda sendiri, dan jelajahi buku, kursus, video, dan latihan yang direkomendasikan oleh tim TensorFlow untuk mengajari Anda dasar-dasar ML.
Buku
Kursus online
Konsep matematika
Sumber daya TF
AI yang berpusat pada manusia
Buku
Membaca adalah salah satu cara terbaik untuk memahami dasar-dasar ML dan pembelajaran mendalam. Buku dapat memberi Anda pemahaman teoretis yang diperlukan untuk membantu Anda mempelajari konsep-konsep baru dengan lebih cepat di masa depan.
Buku pengantar ini memberikan pendekatan yang mengutamakan kode untuk mempelajari cara mengimplementasikan skenario ML yang paling umum, seperti visi komputer, pemrosesan bahasa alami (NLP), dan pemodelan urutan untuk runtime web, seluler, cloud, dan tertanam.
Dengan menggunakan contoh nyata, teori minimal, dan dua kerangka kerja Python yang siap produksi—Scikit-Learn dan TensorFlow—buku ini membantu Anda memperoleh pemahaman intuitif tentang konsep dan alat untuk membangun sistem cerdas.
oleh Ian Goodfellow, Yoshua Bengio, dan Aaron Courville
Buku teks Pembelajaran Mendalam ini adalah sumber daya yang dimaksudkan untuk membantu siswa dan praktisi memasuki bidang pembelajaran mesin secara umum, dan pembelajaran mendalam pada khususnya.
Buku ini memberikan latar belakang teoritis tentang jaringan saraf. Ini tidak menggunakan TensorFlow, namun merupakan referensi bagus bagi siswa yang tertarik untuk mempelajari lebih lanjut.
Pendekatan menyeluruh terhadap dasar-dasar TensorFlow.js untuk audiens teknis yang luas. Setelah menyelesaikan buku ini, Anda akan mengetahui cara membangun dan menerapkan sistem deep learning siap produksi dengan TensorFlow.js.
oleh Shanqing Cai, Stanley Bileschi, Eric D. Nielsen dengan Francois Chollet
Ditulis oleh penulis utama perpustakaan TensorFlow, buku ini memberikan kasus penggunaan menarik dan instruksi mendalam untuk aplikasi pembelajaran mendalam dalam JavaScript di browser Anda atau di Node.js.
Mengikuti kursus online multi-bagian adalah cara yang baik untuk mempelajari konsep dasar ML. Banyak kursus memberikan penjelasan visual yang bagus, dan alat yang diperlukan untuk mulai menerapkan pembelajaran mesin langsung di tempat kerja, atau dengan proyek pribadi Anda.
Dikembangkan melalui kolaborasi dengan tim TensorFlow, kursus ini merupakan bagian dari Spesialisasi Developer TensorFlow dan akan mengajarkan Anda praktik terbaik dalam menggunakan TensorFlow.
Dalam kursus online yang dikembangkan oleh tim TensorFlow dan Udacity ini, Anda akan mempelajari cara membuat aplikasi pembelajaran mendalam dengan TensorFlow.
Dalam empat kursus Spesialisasi yang diajarkan oleh pengembang TensorFlow, Anda akan menjelajahi alat dan perangkat lunak yang digunakan pengembang untuk membangun algoritme bertenaga AI yang skalabel di TensorFlow.
Kursus Singkat Machine Learning dengan TensorFlow API adalah panduan belajar mandiri bagi calon praktisi machine learning. Ini menampilkan serangkaian pelajaran dengan video ceramah, studi kasus dunia nyata, dan latihan praktik langsung.
Dalam kursus dari MIT ini, Anda akan memperoleh pengetahuan dasar tentang algoritma pembelajaran mendalam dan mendapatkan pengalaman praktis dalam membangun jaringan saraf di TensorFlow.
Dalam lima kursus, Anda akan mempelajari dasar-dasar Pembelajaran Mendalam, memahami cara membangun jaringan saraf, dan mempelajari cara memimpin proyek pembelajaran mesin yang sukses dan membangun karier di bidang AI. Anda tidak hanya akan menguasai teorinya, tetapi juga melihat bagaimana penerapannya dalam industri.
Anda telah mempelajari cara membuat dan melatih model. Sekarang pelajari cara menavigasi berbagai skenario penerapan dan menggunakan data secara lebih efektif untuk melatih model Anda dalam Spesialisasi empat kursus ini.
Spesialisasi ini diperuntukkan bagi teknisi perangkat lunak dan ML dengan pemahaman dasar tentang TensorFlow yang ingin memperluas pengetahuan dan keahlian mereka dengan mempelajari fitur TensorFlow tingkat lanjut untuk membuat model yang canggih.
Pelajari bagaimana Anda bisa mendapatkan lebih banyak perhatian pada penelitian mutakhir Anda, atau memberikan kekuatan super dalam aplikasi web Anda di masa depan untuk klien atau perusahaan tempat Anda bekerja dengan pembelajaran mesin berbasis web.
Untuk memperdalam pengetahuan ML Anda, referensi ini dapat membantu Anda memahami konsep dasar matematika yang diperlukan untuk kemajuan tingkat yang lebih tinggi.
Pandangan luas tentang aljabar linier untuk pembelajaran mesin. Belum pernah mempelajari aljabar linier atau mengetahui sedikit tentang dasar-dasarnya, dan ingin merasakan cara penggunaannya di ML? Maka video ini cocok untuk Anda.
Spesialisasi online dari Coursera ini bertujuan untuk menjembatani kesenjangan antara matematika dan pembelajaran mesin, membantu Anda memahami matematika yang mendasarinya untuk membangun pemahaman intuitif, dan menghubungkannya dengan Pembelajaran Mesin dan Ilmu Data.
3blue1 brown berpusat pada penyajian matematika dengan pendekatan visual yang mengutamakan. Dalam seri video ini, Anda akan mempelajari dasar-dasar jaringan saraf dan cara kerjanya melalui konsep matematika.
Serangkaian video visual pendek dari 3blue1 brown yang menjelaskan dasar-dasar kalkulus sedemikian rupa sehingga memberi Anda pemahaman yang kuat tentang teorema dasar, dan bukan hanya cara kerja persamaannya.
Kursus pengantar dari MIT ini mencakup teori matriks dan aljabar linier. Penekanan diberikan pada topik-topik yang akan berguna dalam disiplin ilmu lain, termasuk sistem persamaan, ruang vektor, determinan, nilai eigen, kesamaan, dan matriks pasti positif.
oleh Gareth James, Daniela Witten, Trevor Hastie, dan Rob Tibshirani
Buku ini memberikan gambaran umum yang dapat diakses tentang bidang pembelajaran statistik, sebuah perangkat penting untuk memahami dunia kumpulan data yang luas dan kompleks yang diperlukan untuk melatih model dalam pembelajaran mesin.
Kami telah mengumpulkan sumber daya favorit kami untuk membantu Anda memulai pustaka dan framework TensorFlow yang spesifik sesuai kebutuhan Anda. Buka bagian kami untuk TensorFlow.js , TensorFlow Lite , dan TFX .
Anda juga dapat menjelajahi panduan dan tutorial resmi TensorFlow untuk mendapatkan contoh dan kolaborasi terbaru.
Machine Learning Foundations adalah kursus pelatihan gratis tempat Anda akan mempelajari dasar-dasar pembuatan model machine learning menggunakan TensorFlow.
ML Tech Talk ini dirancang bagi mereka yang mengetahui dasar-dasar Machine Learning tetapi memerlukan gambaran umum tentang dasar-dasar TensorFlow (tensor, variabel, dan gradien tanpa menggunakan API tingkat tinggi).
ML Tech Talk ini mencakup pembelajaran representasi, rangkaian jaringan neural dan aplikasinya, pandangan pertama ke dalam jaringan neural dalam, serta banyak contoh kode dan konsep dari TensorFlow.
Dalam seri ini, Tim TensorFlow melihat berbagai bagian TensorFlow dari perspektif coding, dengan video tentang penggunaan API tingkat tinggi TensorFlow, pemrosesan bahasa alami, pembelajaran terstruktur saraf, dan banyak lagi.
Pelajari cara mengenali kasus penggunaan ML yang paling umum, termasuk menganalisis multimedia, membuat penelusuran cerdas, mengubah data, dan cara cepat memasukkannya ke dalam aplikasi Anda menggunakan alat yang mudah digunakan.
Dapatkan pengetahuan praktis tentang penggunaan ML di browser dengan JavaScript. Pelajari cara menulis model kustom dari kanvas kosong, melatih ulang model melalui pembelajaran transfer, dan mengonversi model dari Python.
Pendekatan menyeluruh terhadap dasar-dasar TensorFlow.js untuk audiens teknis yang luas. Setelah menyelesaikan buku ini, Anda akan mengetahui cara membangun dan menerapkan sistem deep learning siap produksi dengan TensorFlow.js.
Seri 3 bagian yang mengeksplorasi pelatihan dan eksekusi model machine learning dengan TensorFlow.js, serta menunjukkan cara membuat model machine learning dalam JavaScript yang dijalankan langsung di browser.
Beralih dari nol menjadi pahlawan dengan web ML menggunakan TensorFlow.js. Pelajari cara membuat aplikasi web generasi berikutnya yang dapat berjalan di sisi klien dan digunakan di hampir semua perangkat.
Sebagai bagian dari seri yang lebih besar tentang pembelajaran mesin dan pembuatan jaringan neural, playlist video ini berfokus pada TensorFlow.js, API inti, dan cara menggunakan pustaka JavaScript untuk melatih dan men-deploy model ML.
Pelajari cara membuat aplikasi ML pertama Anda di perangkat melalui jalur pembelajaran yang memberikan panduan langkah demi langkah untuk kasus penggunaan umum termasuk klasifikasi audio, penelusuran produk visual, dan banyak lagi.
Pelajari cara menerapkan model pembelajaran mendalam pada perangkat seluler dan perangkat tertanam dengan TensorFlow Lite dalam kursus ini, yang dikembangkan oleh tim TensorFlow dan Udacity sebagai pendekatan praktis penerapan model bagi pengembang perangkat lunak.
Dapatkan pandangan langsung tentang cara menyusun sistem jalur produksi dengan TFX. Kami akan segera membahas semuanya mulai dari akuisisi data, pembuatan model, hingga penerapan dan manajemen.
Buku ini memandu Anda melalui langkah-langkah mengotomatiskan pipeline ML menggunakan ekosistem TensorFlow. Contoh pembelajaran mesin dalam buku ini didasarkan pada TensorFlow dan Keras, namun konsep intinya dapat diterapkan pada framework apa pun.
Perluas kemampuan teknik produksi Anda dalam spesialisasi empat kursus ini. Pelajari cara membuat konsep, membangun, dan memelihara sistem terintegrasi yang terus beroperasi dalam produksi.
Saat merancang model ML, atau membuat aplikasi berbasis AI, penting untuk mempertimbangkan orang-orang yang berinteraksi dengan produk, dan cara terbaik untuk membangun keadilan, interpretasi, privasi, dan keamanan ke dalam sistem AI ini.
Buku panduan dari Google ini akan membantu Anda membuat produk AI yang berpusat pada manusia. Ini akan memungkinkan Anda menghindari kesalahan umum, merancang pengalaman luar biasa, dan fokus pada orang-orang saat Anda membangun aplikasi berbasis AI.
Modul satu jam dalam MLCC Google ini memperkenalkan peserta pada berbagai jenis bias manusia yang dapat terwujud dalam data pelatihan, serta strategi untuk mengidentifikasi, dan mengevaluasi dampaknya.
Untuk menjadi ahli dalam pembelajaran mesin, pertama-tama Anda memerlukan dasar yang kuat dalam empat bidang pembelajaran : coding, matematika, teori ML, dan cara membuat proyek ML Anda sendiri dari awal hingga selesai.
Mulailah dengan kurikulum pilihan TensorFlow untuk meningkatkan keempat keterampilan ini, atau pilih jalur pembelajaran Anda sendiri dengan menjelajahi pustaka sumber daya kami di bawah.
Empat bidang pendidikan pembelajaran mesin
Saat memulai jalur pendidikan Anda, penting untuk terlebih dahulu memahami cara mempelajari ML. Kami telah membagi proses pembelajaran menjadi empat bidang pengetahuan, dengan masing-masing bidang memberikan bagian dasar dari teka-teki ML. Untuk membantu Anda dalam perjalanan Anda, kami telah mengidentifikasi buku, video, dan kursus online yang akan meningkatkan kemampuan Anda, dan mempersiapkan Anda untuk menggunakan ML untuk proyek Anda. Mulailah dengan kurikulum terpandu kami yang dirancang untuk meningkatkan pengetahuan Anda, atau pilih jalur Anda sendiri dengan menjelajahi perpustakaan sumber daya kami.
Keterampilan pengkodean: Membangun model ML melibatkan lebih dari sekadar mengetahui konsep ML—hal ini memerlukan pengkodean untuk melakukan pengelolaan data, penyesuaian parameter, dan penguraian hasil yang diperlukan untuk menguji dan mengoptimalkan model Anda.
Matematika dan statistik: ML adalah disiplin matematika yang berat, jadi jika Anda berencana memodifikasi model ML atau membuat model baru dari awal, pemahaman terhadap konsep matematika yang mendasarinya sangat penting dalam proses tersebut.
Teori ML: Mengetahui dasar-dasar teori ML akan memberi Anda landasan untuk membangun, dan membantu Anda memecahkan masalah ketika terjadi kesalahan.
Bangun proyek Anda sendiri: Mendapatkan pengalaman langsung dengan ML adalah cara terbaik untuk menguji pengetahuan Anda, jadi jangan takut untuk mendalami lebih awal dengan colab atau tutorial sederhana untuk berlatih.
Kurikulum TensorFlow
Mulailah belajar dengan salah satu kurikulum terpandu kami yang berisi kursus, buku, dan video yang direkomendasikan.
Pelajari dasar-dasar ML dengan koleksi buku dan kursus online ini. Anda akan diperkenalkan dengan ML dan dipandu melalui pembelajaran mendalam menggunakan TensorFlow 2.0. Kemudian Anda akan memiliki kesempatan untuk mempraktekkan apa yang Anda pelajari dengan tutorial pemula.
Setelah Anda memahami dasar-dasar pembelajaran mesin, tingkatkan kemampuan Anda ke tingkat berikutnya dengan mendalami pemahaman teoretis tentang jaringan saraf, pembelajaran mendalam, dan meningkatkan pengetahuan Anda tentang konsep matematika yang mendasarinya.
Pelajari dasar-dasar pengembangan model pembelajaran mesin di JavaScript, dan cara menerapkannya langsung di browser. Anda akan mendapatkan pengenalan tingkat tinggi tentang pembelajaran mendalam dan cara memulai TensorFlow.js melalui latihan langsung.
Sumber daya pendidikan
Pilih jalur pembelajaran Anda sendiri, dan jelajahi buku, kursus, video, dan latihan yang direkomendasikan oleh tim TensorFlow untuk mengajari Anda dasar-dasar ML.
Buku
Kursus online
Konsep matematika
Sumber daya TF
AI yang berpusat pada manusia
Buku
Membaca adalah salah satu cara terbaik untuk memahami dasar-dasar ML dan pembelajaran mendalam. Buku dapat memberi Anda pemahaman teoretis yang diperlukan untuk membantu Anda mempelajari konsep-konsep baru dengan lebih cepat di masa depan.
Buku pengantar ini memberikan pendekatan yang mengutamakan kode untuk mempelajari cara mengimplementasikan skenario ML yang paling umum, seperti visi komputer, pemrosesan bahasa alami (NLP), dan pemodelan urutan untuk runtime web, seluler, cloud, dan tertanam.
Dengan menggunakan contoh nyata, teori minimal, dan dua kerangka kerja Python yang siap produksi—Scikit-Learn dan TensorFlow—buku ini membantu Anda memperoleh pemahaman intuitif tentang konsep dan alat untuk membangun sistem cerdas.
oleh Ian Goodfellow, Yoshua Bengio, dan Aaron Courville
Buku teks Pembelajaran Mendalam ini adalah sumber daya yang dimaksudkan untuk membantu siswa dan praktisi memasuki bidang pembelajaran mesin secara umum, dan pembelajaran mendalam pada khususnya.
Buku ini memberikan latar belakang teoritis tentang jaringan saraf. Ini tidak menggunakan TensorFlow, namun merupakan referensi bagus bagi siswa yang tertarik untuk mempelajari lebih lanjut.
Pendekatan menyeluruh terhadap dasar-dasar TensorFlow.js untuk audiens teknis yang luas. Setelah menyelesaikan buku ini, Anda akan mengetahui cara membangun dan menerapkan sistem deep learning siap produksi dengan TensorFlow.js.
oleh Shanqing Cai, Stanley Bileschi, Eric D. Nielsen dengan Francois Chollet
Ditulis oleh penulis utama perpustakaan TensorFlow, buku ini memberikan kasus penggunaan menarik dan instruksi mendalam untuk aplikasi pembelajaran mendalam dalam JavaScript di browser Anda atau di Node.js.
Mengikuti kursus online multi-bagian adalah cara yang baik untuk mempelajari konsep dasar ML. Banyak kursus memberikan penjelasan visual yang bagus, dan alat yang diperlukan untuk mulai menerapkan pembelajaran mesin langsung di tempat kerja, atau dengan proyek pribadi Anda.
Dikembangkan melalui kolaborasi dengan tim TensorFlow, kursus ini merupakan bagian dari Spesialisasi Developer TensorFlow dan akan mengajarkan Anda praktik terbaik dalam menggunakan TensorFlow.
Dalam kursus online yang dikembangkan oleh tim TensorFlow dan Udacity ini, Anda akan mempelajari cara membuat aplikasi pembelajaran mendalam dengan TensorFlow.
Dalam empat kursus Spesialisasi yang diajarkan oleh pengembang TensorFlow, Anda akan menjelajahi alat dan perangkat lunak yang digunakan pengembang untuk membangun algoritme bertenaga AI yang skalabel di TensorFlow.
Kursus Singkat Machine Learning dengan TensorFlow API adalah panduan belajar mandiri bagi calon praktisi machine learning. Ini menampilkan serangkaian pelajaran dengan video ceramah, studi kasus dunia nyata, dan latihan praktik langsung.
Dalam kursus dari MIT ini, Anda akan memperoleh pengetahuan dasar tentang algoritma pembelajaran mendalam dan mendapatkan pengalaman praktis dalam membangun jaringan saraf di TensorFlow.
Dalam lima kursus, Anda akan mempelajari dasar-dasar Pembelajaran Mendalam, memahami cara membangun jaringan saraf, dan mempelajari cara memimpin proyek pembelajaran mesin yang sukses dan membangun karier di bidang AI. Anda tidak hanya akan menguasai teorinya, tetapi juga melihat bagaimana penerapannya dalam industri.
Anda telah mempelajari cara membuat dan melatih model. Sekarang pelajari cara menavigasi berbagai skenario penerapan dan menggunakan data secara lebih efektif untuk melatih model Anda dalam Spesialisasi empat kursus ini.
Spesialisasi ini diperuntukkan bagi teknisi perangkat lunak dan ML dengan pemahaman dasar tentang TensorFlow yang ingin memperluas pengetahuan dan keahlian mereka dengan mempelajari fitur TensorFlow tingkat lanjut untuk membuat model yang canggih.
Pelajari bagaimana Anda bisa mendapatkan lebih banyak perhatian pada penelitian mutakhir Anda, atau memberikan kekuatan super dalam aplikasi web Anda di masa depan untuk klien atau perusahaan tempat Anda bekerja dengan pembelajaran mesin berbasis web.
Untuk memperdalam pengetahuan ML Anda, referensi ini dapat membantu Anda memahami konsep dasar matematika yang diperlukan untuk kemajuan tingkat yang lebih tinggi.
Pandangan luas tentang aljabar linier untuk pembelajaran mesin. Belum pernah mempelajari aljabar linier atau mengetahui sedikit tentang dasar-dasarnya, dan ingin merasakan cara penggunaannya di ML? Maka video ini cocok untuk Anda.
Spesialisasi online dari Coursera ini bertujuan untuk menjembatani kesenjangan antara matematika dan pembelajaran mesin, membantu Anda memahami matematika yang mendasarinya untuk membangun pemahaman intuitif, dan menghubungkannya dengan Pembelajaran Mesin dan Ilmu Data.
3blue1 brown berpusat pada penyajian matematika dengan pendekatan visual yang mengutamakan. Dalam seri video ini, Anda akan mempelajari dasar-dasar jaringan saraf dan cara kerjanya melalui konsep matematika.
Serangkaian video visual pendek dari 3blue1 brown yang menjelaskan dasar-dasar kalkulus sedemikian rupa sehingga memberi Anda pemahaman yang kuat tentang teorema dasar, dan bukan hanya cara kerja persamaannya.
Kursus pengantar dari MIT ini mencakup teori matriks dan aljabar linier. Penekanan diberikan pada topik-topik yang akan berguna dalam disiplin ilmu lain, termasuk sistem persamaan, ruang vektor, determinan, nilai eigen, kesamaan, dan matriks pasti positif.
oleh Gareth James, Daniela Witten, Trevor Hastie, dan Rob Tibshirani
Buku ini memberikan gambaran umum yang dapat diakses tentang bidang pembelajaran statistik, sebuah perangkat penting untuk memahami dunia kumpulan data yang luas dan kompleks yang diperlukan untuk melatih model dalam pembelajaran mesin.
Kami telah mengumpulkan sumber daya favorit kami untuk membantu Anda memulai pustaka dan framework TensorFlow yang spesifik sesuai kebutuhan Anda. Buka bagian kami untuk TensorFlow.js , TensorFlow Lite , dan TFX .
Anda juga dapat menjelajahi panduan dan tutorial resmi TensorFlow untuk mendapatkan contoh dan kolaborasi terbaru.
Machine Learning Foundations adalah kursus pelatihan gratis tempat Anda akan mempelajari dasar-dasar pembuatan model machine learning menggunakan TensorFlow.
ML Tech Talk ini dirancang bagi mereka yang mengetahui dasar-dasar Machine Learning tetapi memerlukan gambaran umum tentang dasar-dasar TensorFlow (tensor, variabel, dan gradien tanpa menggunakan API tingkat tinggi).
ML Tech Talk ini mencakup pembelajaran representasi, rangkaian jaringan neural dan aplikasinya, pandangan pertama ke dalam jaringan neural dalam, serta banyak contoh kode dan konsep dari TensorFlow.
Dalam seri ini, Tim TensorFlow melihat berbagai bagian TensorFlow dari perspektif coding, dengan video tentang penggunaan API tingkat tinggi TensorFlow, pemrosesan bahasa alami, pembelajaran terstruktur saraf, dan banyak lagi.
Pelajari cara mengenali kasus penggunaan ML yang paling umum, termasuk menganalisis multimedia, membuat penelusuran cerdas, mengubah data, dan cara cepat memasukkannya ke dalam aplikasi Anda menggunakan alat yang mudah digunakan.
Dapatkan pengetahuan praktis tentang penggunaan ML di browser dengan JavaScript. Pelajari cara menulis model kustom dari kanvas kosong, melatih ulang model melalui pembelajaran transfer, dan mengonversi model dari Python.
Pendekatan menyeluruh terhadap dasar-dasar TensorFlow.js untuk audiens teknis yang luas. Setelah menyelesaikan buku ini, Anda akan mengetahui cara membangun dan menerapkan sistem deep learning siap produksi dengan TensorFlow.js.
Seri 3 bagian yang mengeksplorasi pelatihan dan eksekusi model machine learning dengan TensorFlow.js, serta menunjukkan cara membuat model machine learning dalam JavaScript yang dijalankan langsung di browser.
Beralih dari nol menjadi pahlawan dengan web ML menggunakan TensorFlow.js. Pelajari cara membuat aplikasi web generasi berikutnya yang dapat berjalan di sisi klien dan digunakan di hampir semua perangkat.
Sebagai bagian dari seri yang lebih besar tentang pembelajaran mesin dan pembuatan jaringan neural, playlist video ini berfokus pada TensorFlow.js, API inti, dan cara menggunakan pustaka JavaScript untuk melatih dan men-deploy model ML.
Pelajari cara membuat aplikasi ML pertama Anda di perangkat melalui jalur pembelajaran yang memberikan panduan langkah demi langkah untuk kasus penggunaan umum termasuk klasifikasi audio, penelusuran produk visual, dan banyak lagi.
Pelajari cara menerapkan model pembelajaran mendalam pada perangkat seluler dan perangkat tertanam dengan TensorFlow Lite dalam kursus ini, yang dikembangkan oleh tim TensorFlow dan Udacity sebagai pendekatan praktis penerapan model bagi pengembang perangkat lunak.
Dapatkan pandangan langsung tentang cara menyusun sistem jalur produksi dengan TFX. Kami akan segera membahas semuanya mulai dari akuisisi data, pembuatan model, hingga penerapan dan manajemen.
Buku ini memandu Anda melalui langkah-langkah mengotomatiskan pipeline ML menggunakan ekosistem TensorFlow. Contoh pembelajaran mesin dalam buku ini didasarkan pada TensorFlow dan Keras, namun konsep intinya dapat diterapkan pada framework apa pun.
Perluas kemampuan teknik produksi Anda dalam spesialisasi empat kursus ini. Pelajari cara membuat konsep, membangun, dan memelihara sistem terintegrasi yang terus beroperasi dalam produksi.
Saat merancang model ML, atau membuat aplikasi berbasis AI, penting untuk mempertimbangkan orang-orang yang berinteraksi dengan produk, dan cara terbaik untuk membangun keadilan, interpretasi, privasi, dan keamanan ke dalam sistem AI ini.
Buku panduan dari Google ini akan membantu Anda membuat produk AI yang berpusat pada manusia. Ini akan memungkinkan Anda menghindari kesalahan umum, merancang pengalaman luar biasa, dan fokus pada orang-orang saat Anda membangun aplikasi berbasis AI.
Modul satu jam dalam MLCC Google ini memperkenalkan peserta pada berbagai jenis bias manusia yang dapat terwujud dalam data pelatihan, serta strategi untuk mengidentifikasi, dan mengevaluasi dampaknya.