学習カリキュラムをマスターする

機械学習のエキスパートになるには、まず「コーディング」、「数学」、「ML 理論」、「ML プロジェクトを構築するための全手順」の 4 つの学習分野で、しっかりと基礎を固める必要があります。

4 つのスキルを向上させるためには、TensorFlow で厳選されたカリキュラムを学習するか、以下のリソース ライブラリから、ご自分で学習プログラムを選択してください。

機械学習に関する 4 つの学習分野

学習プログラムを開始する際に重要なのは、ML の学習方法を理解することです。TensorFlow では、学習プロセスを 4 つの習得分野に分割し、各分野が ML 全体を構成するピースとなるように構成しています。学習を進めるうえで、スキルの向上やプロジェクトで ML を使用するための準備に役立つ書籍、動画、オンライン コースを集めました。知識を深めるよう設計されたガイド付きカリキュラムで学習を始めるか、リソース ライブラリから自分にあった学習プログラムをお選びください。

  • コーディングのスキル: 単に ML の概念がわかるだけでは、ML モデルは構築できません。モデルをテストして最適化するためにデータの管理、パラメータの調整、結果の解析を行う必要があり、コーディングは必須です。

  • 数学と統計: ML では数学が大きな比重を占めます。そのため ML モデルを変更したり、新しいモデルをゼロから構築する場合は、基礎となる数学の概念に精通していることが非常に重要です。

  • ML 理論: ML 理論の基本を学んで基礎を固めましょう。基本的な知識は、問題発生時のトラブルシューティングにも役立ちます。

  • 独自のプロジェクトを構築する: 学んだ知識を試すために、実際に自分の手で ML を体験してみることをおすすめします。初心者だからといってしり込みせず、思い切ってシンプルな Colabチュートリアルで練習を始めましょう。

TensorFlow のカリキュラム

おすすめのコース、書籍、動画を含むガイド付きカリキュラムで学習を開始しましょう。

初心者向け
TensorFlow を使用した機械学習の基礎

書籍とオンライン コースを集めたこのコレクションでは、ML の基本を学習できます。まず ML について学習した後、TensorFlow 2.0 を使用したディープ ラーニングを学びます。その後、初心者向けのチュートリアルで学んだことを実践する機会も用意されています。

中級レベルおよびエキスパート向け
TensorFlow を用いた理論的かつ高度な機械学習

機械学習の基本を理解したら、ニューラル ネットワークとディープ ラーニングを理論的に理解し、基礎となる数学的な概念の知識を深めることで、新たなレベルのスキルを身に付けましょう。

初心者向け
JavaScript 開発のための TensorFlow

JavaScript で機械学習モデルを開発するための基礎と、ブラウザで直接デプロイを行う方法を学習できます。また、ディープ ラーニングの概要や、実践的な演習を通じて TensorFlow.js を使い始める方法について説明しています。

教育リソース

学習プログラムを選択したら、TensorFlow チームが ML の基礎の学習におすすめする書籍、コース、動画、演習をご覧ください。

書籍

ML とディープ ラーニングの基礎を理解するために、読書は最も優れた方法のひとつです。書籍で理論を学んでおくことで、新しい概念が出てきてもすばやく理解できます。

AI and Machine Learning for Coders
提供元: Laurence Moroney

この入門書では、最も一般的な ML シナリオ(ウェブ、モバイル、クラウド、埋め込みランタイム向けのシーケンス モデリング、コンピュータ ビジョン、自然言語処理(NLP)など)の実装方法を学習するための、コード ファーストのアプローチが紹介されています。

Deep Learning with Python
提供元: Francois Chollet

この書籍は、Keras によるディープ ラーニングの実践的な入門書となっています。

scikit-learn、Keras、TensorFlow による実践機械学習
提供元: Aurélien Géron

この本では複数の具体例、最小限の理論、本番環境で使用できる 2 つの Python フレームワーク(Scikit-Learn および TensorFlow)が紹介されており、インテリジェントなシステムを構築するための概念とツールを直感的に理解できます。

ディープ ラーニング
提供元: Ian Goodfellow、Yoshua Bengio、Aaron Courville

このディープ ラーニングの教科書は、機械学習に携わる学生や技術者の方が、機械学習全般、特にディープ ラーニング分野の学習を一から始めるためのリソースです。

Neural Networks and Deep Learning
提供元: Michael Nielsen

この書籍では、ニューラル ネットワークの理論的背景を学ぶことができます。TensorFlow は使用されていないものの、さらに知識を深めたい方向けのリファレンスとして最適です。

Learning TensorFlow.js
提供元: Gant Laborde

幅広い技術者向けの TensorFlow.js の基礎を実践的なエンドツーエンド アプローチで学びます。この本を読了すると、TensorFlow.js を使用して本番環境向けのディープ ラーニング システムを構築し、デプロイする方法を理解できるようになります。

Deep Learning with JavaScript
提供元: Shanqing Cai、Stanley Bileschi、Eric D. Nielsen、Francois Chollet

TensorFlow ライブラリの主要な作者によって執筆されたこの書籍では、ブラウザまたはノード上の JavaScript ディープ ラーニング アプリの興味深いユースケースと詳細な手順を解説しています。

オンライン コース

ML の基本的な概念を学ぶために、複数のパートで構成されるオンライン コースを受講することをおすすめします。多くのコースで、非常にわかりやすい視覚的なコンテンツと、仕事や個人的なプロジェクトに機械学習をすぐに導入できるツールが提供されています。

"AI、機械学習、ディープラーニングのための TensorFlow 入門 (Intro to TensorFlow for AI, ML, and Deep Learning)"

このコースは TensorFlow Developer 専門講座の一部として TensorFlow チームと共同で開発されており、TensorFlow を使用するためのベスト プラクティスを学べます。

TensorFlow によるディープ ラーニングの概要

TensorFlow チームと Udacity の開発によるこのオンライン コースでは、TensorFlow を使ってディープ ラーニング アプリケーションを作成する方法を学ぶことができます。

TensorFlow Developer 専門講座

TensorFlow 開発者が講師を務めるこの 4 つのコースの専門講座では、TensorFlow で AI を活用したスケーラブルなアルゴリズムを作成するためのツールについて詳しく知ることができます。

機械学習集中講座

Machine Learning Crash Course with TensorFlow API は、機械学習を実践的に利用しようとしている方向けの自習ガイドです。ビデオ講義シリーズ、実世界のケーススタディ、ハンズオン演習を通じて機械学習を学べます。

MIT 6.S191: Introduction to Deep Learning

MIT 提供のこのコースでは、ディープ ラーニングのアルゴリズムに関する基礎知識を習得して、TensorFlow でニューラル ネットワークを構築する実践演習を受けることができます。

Deep Learning 専門講座

5 つのコースでは、ディープ ラーニングの基礎を学び、ニューラル ネットワークを構築する方法を理解できます。また、機械学習プロジェクトを成功に導き、AI の分野でキャリアを築く方法を学ぶことができます。理論の習得だけではなく、理論が実際のビジネスにどのように適用されているのかを知ることができます。

TensorFlow: Data and Deployment 専門講座

モデルを作成し、トレーニングする方法を学習しました。次に、以下の 4 つの専門講座でさまざまなデプロイ シナリオについて確認し、より効果的にデータを利用してモデルをトレーニングする方法について学習します。

TensorFlow: Advanced Techniques 専門講座

この専門講座は、TensorFlow の基礎を理解しており、強力なモデルを構築する TensorFlow の高度な機能を学んで知識とスキルセットを拡張したいと考えているソフトウェアおよび ML エンジニアを対象としています。

ウェブベースの機械学習向けの Google AI の基礎

ウェブベースの機械学習を使用して、最先端の研究への関心を集める方法や、将来仕事をすることになるクライアントや会社のために役立つ能力をウェブアプリで実現する方法を学びましょう。

数学の概念

次のリソースでは、ML の基礎となる数学の概念を理解して ML の知識をさらに深め、より高度なスキルを身に付けることができます。

やさしい ML 用線形代数入門

機械学習用の線形代数の鳥瞰図。線形代数を学んだ経験はないものの、基本については少し知っており、ML でどのように使用されているかに関心がある方には、この動画がおすすめです。

Mathematics for Machine Learning 専門講座

Coursera が提供するこのオンライン専門講座の目的は、数学と機械学習の間のギャップを埋めることです。機械学習の基礎となる数学の知識をスピーディーに身に付けることで直感的な理解力を養い、機械学習とデータ サイエンスに関連付けることができます。

ディープ ラーニング
提供元: 3Blue1Brown

3blue1brown では、主に数学を視覚的に解説することに取り組んでいます。この動画シリーズでは、ニューラル ネットワークの基本と、ニューラル ネットワークの仕組みを数学の概念を通じて学ぶことができます。

Essence of Linear Algebra
提供元: 3Blue1Brown

マトリックス、行列式、固有値などを、幾何学の観点から視覚的に学べる 3blue1brown の短い動画シリーズ。

Essence of Calculus
提供元: 3Blue1Brown

3blue1brown の短い動画シリーズでは、微積分の基礎を視覚的に説明しています。方程式の仕組みだけでなく、基本となる定理をしっかりと理解できます。

MIT 18.06: Linear Algebra

MIT が提供するこの入門コースでは、行列理論と線形代数を学ぶことができます。連立方程式、ベクトル空間、行列式、固有値、相似、正定値行列など、他の分野でも役に立つトピックが重点的に取り上げられています。

MIT 18.01: Single Variable Calculus

MIT が提供するこの微積分学の入門コースでは、1 変数関数の微分と積分および応用を学びます。

理論の確認
提供元: Daniel Kunin、Jingru Guo、Tyler Dae Devlin、Daniel Xiang

確率と統計を視覚的にまとめた概要。

無料
詳細
統計的学習入門
提供元: Gareth James、Daniela Witten、Trevor Hastie、Rob Tibshirani

この書籍では、統計学習の概要をわかりやすく学ぶことができます。統計学習は、機械学習でモデルをトレーニングするために必要となる、広大かつ複雑なデータセットの世界を理解するために不可欠なツールセットです。

TensorFlow のリソース

We've gathered our favorite resources to help you get started with TensorFlow libraries and frameworks specific to your needs. Jump to our sections for TensorFlow.js, LiteRT, and TFX.


You can also browse the official TensorFlow guide and tutorials for the latest examples and colabs.

ML: ゼロから成功へと導く

この入門シリーズは、コーディング方法は知っているが機械学習には習熟していない方を対象としています。ML モデルを構築する基本的なサンプルである「Hello World」を参照し、畳み込みニューラル ネットワークによって画像分類器を構築する方法を学びます。

ゼロからの TensorFlow

この ML Tech Talk は、機械学習の基本知識があり、TensorFlow の基礎(高レベル API を使用しないテンソル、変数、勾配)の概要を把握する必要がある方を対象としています。

ディープ ラーニングの概要

この ML Tech Talk では、特徴表現学習、ニューラル ネットワークおよびそれらのアプリケーションのファミリー、ディープ ニューラル ネットワークの内部の概要、TensorFlow の多くのコードサンプルと概念を取り上げています。

TensorFlow をコーディングする

このシリーズでは、TensorFlow の高レベル API、自然言語処理、Neural Structured Learning などの使用に関する動画を通じて、TensorFlow チームがコーディングの観点から TensorFlow のさまざまな要素を解説します。

機械学習による一般的な問題の発見と解決

マルチメディアの分析、スマート検索の構築、データの変換、およびユーザー フレンドリーなツールを使用してそれらをアプリに速やかに組み込む方法など、ML の最も一般的なユースケースの見つけ方を学びます。

JavaScript 向け

TensorFlow.js で最新のリソースをお探しください。

ウェブ デベロッパー向け機械学習(ウェブ ML)

JavaScript を有効にしたブラウザで ML を使用するための実践的な知識を身に付けます。空白のキャンバスからカスタムモデルを作成し、転移学習でモデルを再トレーニングして、Python からモデルを変換する方法を学習します。

Learning TensorFlow.js
提供元: Gant Laborde

幅広い技術者向けの TensorFlow.js の基礎を実践的なエンドツーエンド アプローチで学びます。この本を読了すると、TensorFlow.js を使用して本番環境向けのディープ ラーニング システムを構築し、デプロイする方法を理解できるようになります。

Getting started with TensorFlow.js by TensorFlow

3 部構成のシリーズでは、TensorFlow.js を使った機械学習モデルのトレーニングと実行について解説し、JavaScript を使用してブラウザ上で直接実行する機械学習モデルを作成する方法も紹介します。

TensorFlow.js を使用する JavaScript 開発者向け Google AI

TensorFlow.js を使用するウェブ ML で、ゼロからヒーローになりましょう。クライアントサイドで実行でき、ほぼすべてのデバイスで使用できる、次世代のウェブアプリを作成する方法を学びます。

TensorFlow.js: Intelligence and Learning Series
提供元: The Coding Train

この動画再生リストは、機械学習とニューラル ネットワークの構築に関するシリーズの一部で、TensorFlow.js、Core API、ML モデルのトレーニングとデプロイに JavaScript ライブラリを使用する方法を主に解説しています。

モバイルおよびエッジ向け

Explore the latest resources at Google AI Edge.

オンデバイスの機械学習

音声分類やビジュアル商品検索などを含む一般的なユースケースの手順ガイドを提供する学習パスウェイを通じて、初めてのオンデバイス ML アプリを構築する方法を学びます。

Introduction to LiteRT

Learn how to deploy deep learning models on mobile and embedded devices with LiteRT in this course, developed by the TensorFlow team and Udacity as a practical approach to model deployment for software developers.

本番環境向け

TFX で最新のリソースをお探しください。

TFX を使用した本番環境に対する ML デプロイのための ML エンジニアリング

TFX を使用して本番パイプライン システムを構築する方法を実践的に学びます。データの取得から、モデルの構築、デプロイと管理に至るまで、すべてが簡潔に説明されています。

機械学習パイプラインを構築する
提供元: Hannes Hapke、Catherine Nelson

この書籍では、TensorFlow エコシステムを使用して ML パイプラインを自動化する手順について説明しています。この書籍の機械学習の例は TensorFlow と Keras に基づいていますが、主要コンセプトは任意のフレームワークに適用できます。

Machine Learning Engineering for Production(MLOps)専門講座

4 つのコースからなるこの専門講座を通じて、プロダクション エンジニアとしての能力を高めましょう。本番環境で継続的に稼働する統合システムを概念化、構築、および保守する方法を学ぶことができます。

ML Pipelines on Google Cloud

この上級コースでは、TFX コンポーネント、パイプラインのオーケストレーションと自動化、および Google Cloud で ML メタデータを管理する方法を取り上げています。

人間中心の AI

ML モデルを設計したり AI アプリケーションを構築する際は、プロダクトに触れるユーザーについて考慮し、公平性、解釈可能性、プライバシー、セキュリティを AI システムに組み込む最善の方法を検討することが重要です。

責任ある AI への取り組み

TensorFlow を使用して責任ある AI への取り組みを ML ワークフローに統合する方法をご確認ください。

無料
詳細
People + AI ガイドブック

Google のこのガイドブックを活用することで、人間中心の AI プロダクトを作成できるようになります。一般的なミスを回避し、優れたエクスペリエンスを設計して、人間を中心に考えて AI アプリケーションを構築できるようになります。

無料
詳細
機械学習モジュールにおける公平性の概要

Google の MLCC で利用できるこの 1 時間のモジュールでは、トレーニング データに見られる人間のさまざまなバイアスと、それによる影響を発見、評価するための戦略をご紹介します。

無料
詳細