Machine learning education | TensorFlow

Start your TensorFlow training by building a foundation in four learning areas: coding, math, ML theory, and how to build an ML project from start to ... 安裝 學習 簡介 第一次使用TensorFlow嗎？ TensorFlow 核心開放原始碼機器學習程式庫 適用於JavaScript TensorFlow.js(適用於使用JavaScript開發機器學習) 適用於行動裝置及IoT 適用於行動裝置和嵌入式裝置的TensorFlowLite 適用於生產環境 適用於端對端機器學習元件的TensorFlowExtended API TensorFlow(2.9) r1.15 Versions… TensorFlow.js TensorFlowLite TFX 資源 模型與資料集 由Google和社群建立的預先訓練模型與資料集 工具 有助於使用TensorFlow的工具生態系統 程式庫與擴充功能 使用TensorFlow打造的程式庫與擴充功能 TensorFlow認證計畫 展現自己對於機器學習的專業知識，在眾人之中脫穎而出 瞭解機器學習 透過TensorFlow瞭解機器學習基礎知識的教育資源 ResponsibleAI 透過相關的實用資源和工具，將ResponsibleAI做法整合至機器學習工作流程 社群 加入 探索參與的方式 論壇↗ TensorFlow社群的討論平台 群組 使用者群組、社團和郵寄清單 協助改善 改善程式碼和說明文件的指南 選擇TensorFlow的理由 關於 個案研究 AI服務合作夥伴 Language English BahasaIndonesia Deutsch Español–AméricaLatina Français Italiano Polski Português–Brasil TiếngViệt Türkçe Русский עברית العربيّة فارسی हिंदी বাংলা ภาษาไทย 中文–简体 中文–繁體 日本語 한국어 GitHub 登入 資源 模型與資料集 工具 資料庫與擴充功能 TensorFlow認證計畫 瞭解機器學習 負責任的AI技術 安裝 學習 更多 API 更多 資源 更多 模型與資料集 工具 資料庫與擴充功能 TensorFlow認證計畫 瞭解機器學習 負責任的AI技術 社群 更多 選擇TensorFlow的理由 更多 GitHub 簡介 TensorFlow 適用於JavaScript 適用於行動裝置及IoT 適用於生產環境 TensorFlow(2.9) r1.15 Versions… TensorFlow.js TensorFlowLite TFX 模型與資料集 工具 程式庫與擴充功能 TensorFlow認證計畫 瞭解機器學習 ResponsibleAI 加入 論壇↗ 群組 協助改善 關於 個案研究 AI服務合作夥伴 TensorFlow 資源 瞭解機器學習 循序漸進的學習之路 想成為機器學習方面的專家，首先必須在 四個學習領域 打下穩固的基礎：程式設計、數學、機器學習理論、如何完整建置機器學習專案。

從TensorFlow的 精選課程 開始入門，加強這四個技能，或瀏覽下面的 資源庫 選擇自己的學習路徑。

機器學習教學的四大領域 踏上學習之路時，請務必先瞭解如何自學機器學習。

我們將學習過程分為四個知識領域，每個領域都是機器學習不可或缺的一部分。

為協助你更快上手，我們找了一些書籍、影片和線上課程來提升你的能力，讓你做好準備，在專案中運用機器學習。

我們的引導式課程旨在提升你的知識，因此可以先從這裡著手，或是探索我們的資源庫，選擇自己的學習路徑。

程式設計技能： 想要建構機器學習模型，不僅僅需要瞭解機器學習概念，還需要搭配程式設計，才能管理資料、微調參數，並剖析相關結果以利進行模型測試及最佳化。

數學與統計： 機器學習是一門與數學息息相關的學科，因此如果你打算修改機器學習模型或從頭建構全新模型，那麼過程中勢必得掌握基礎數學概念。

機器學習理論： 瞭解機器學習理論的基本知識將為你奠定基礎，並協助你在發生狀況時排解問題。

打造自己的專案： 就機器學習來說，進行實際操作是驗證自己所學的最佳方式，所以別卻步不前，快來試試簡單的 colab 或 教學課程 ，好好練習一番！ TensorFlow課程 我們的引導式學程包含推薦課程、書籍和影片，你可以從任何一項開始學習。

適合新手 TensorFlow機器學習基本知識 透過這些書籍和線上課程，瞭解機器學習的基本知識。

您將認識機器學習技術，並在這些書籍與課程的引導下瞭解如何使用TensorFlow2.0進行深度學習。

接下來，您將有機會透過新手教學課程練習所學內容。

適合中級使用者和專家 TensorFlow機器學習理論與進階知識 瞭解機器學習的基本要點後，即可深入探討類神經網路和深度學習的理論知識，並加強對基礎數學概念的瞭解，讓自身能力更上一層樓。

適合新手 使用TensorFlow進行JavaScript開發作業 瞭解使用JavaScript開發機器學習模型的基本知識，以及如何直接在瀏覽器中進行部署。

課程會介紹深度學習概論，並附帶練習題引領學員實際動手使用TensorFlow.js。

教育資源 選擇專屬學習路徑，探索TensorFlow團隊推薦的書籍、課程、影片和練習活動，從中掌握機器學習的基礎知識。

書籍 線上課程 數學概念 TF資源 以人為本的AI 書籍 閱讀是理解機器學習和深度學習基礎知識的最佳方法之一。

書籍可以提供必要的理論知識，協助你往後更快地學習新概念。

返回資源庫 AIandMachineLearningforCoders 作者：LaurenceMoroney 這本介紹書提供以程式碼為優先的方法，讓你瞭解如何導入最常見的機器學習情境，例如電腦視覺、自然語言處理(NLP)，以及建立用於網路、行動、雲端和嵌入執行階段的序列模型。

查看書籍 代碼 理論 版本 DeepLearningwithPython 作者：FrancoisChollet 本書是使用Keras進行深度學習的實作入門指南。

查看書籍 代碼 理論 版本 Hands-onMachineLearningwithScikit-Learn,Keras,andTensorFlow 作者：AurélienGéron 本書使用具體範例、極小理論和兩個可用於實際工作環境的Python架構(Scikit-Learn及TensorFlow)，讓你輕鬆掌握建構智慧系統的概念和工具。

查看書籍 代碼 理論 版本 深度學習 作者：IanGoodfellow、YoshuaBengio和AaronCourville 本深度學習教科書意在幫助學生和從業人員瞭解機器學習領域概論，特別是深度學習這個主題。

免費 查看書籍 數學 理論 版本 NeuralNetworksandDeepLearning 作者：MichaelNielsen 本書提供了有關類神經網路的理論背景。

書中未使用到TensorFlow，但對有興趣瞭解詳情的學生來說是很棒的參考資料。

免費 查看書籍 代碼 數學 理論 版本 LearningTensorFlow.js 作者：GantLaborde 透過端對端實作的方式，協助各領域的技術人士掌握TensorFlow.js基礎知識。

讀完這本書後，您將瞭解如何使用TensorFlow.js建構及部署可用於生產環境的深度學習系統。

查看書籍 代碼 理論 版本 DeepLearningwithJavaScript 作者：ShanqingCai、StanleyBileschi、EricD.Nielsen和FrancoisChollet 本書是由TensorFlow程式庫的主要作者群所著，針對在瀏覽器或節點上以JavaScript進行深度學習的應用程式，提供有趣的使用案例和深入的操作說明。

查看書籍 代碼 理論 版本 線上課程 參加多單元線上課程是瞭解機器學習基本概念的好方法。

許多課程都提供了絕佳的視覺化講解，還有在工作或個人專案中直接開始應用機器學習所需要的工具。

返回資源庫 DeepLearning.AI IntrotoTensorFlowforAI,ML,andDeepLearning 這個課程是與TensorFlow團隊合作開發，屬於TensorFlowDeveloperSpecialization的一部分，針對TensorFlow的使用方式提供最佳做法指導。

查看課程 代碼 版本 IntrotoTensorFlowforDeepLearning 在這門由TensorFlow團隊和Udacity合作開發的線上課程中，你將瞭解如何使用TensorFlow建構深度學習應用程式。

免費 查看課程 代碼 數學 理論 版本 DeepLearning.AI TensorFlowDeveloperSpecialization 在這四門由TensorFlow開發人員講授的專項課程中，你將探索開發人員在TensorFlow中使用哪些工具和軟體來打造可擴充的AI技術演算法。

查看課程 代碼 版本 GoogleDevelopers 機器學習密集課程 TensorFlowAPI機器學習密集課程是一套自學指南，歡迎有志投身機器學習領域的從業人員參閱，課程包含一系列的視訊講座、實際個案研究和操作練習。

免費 查看課程 數學 理論 MIT6.S191:IntroductiontoDeepLearning 在這門MIT課程中，你可以從中獲得深度學習演算法基礎知識，以及使用TensorFlow打造類神經網路的實務經驗。

免費 查看課程 代碼 數學 理論 版本 DeepLearning.AI DeepLearningSpecialization 在這五門課程中，你將學到深度學習的基礎、瞭解如何打造類神經網路，並學習如何成功帶領機器學習專案，以及開創AI事業。

不僅可以掌握理論，還能一窺業界的應用情形。

查看課程 代碼 數學 理論 版本 DeepLearning.AI TensorFlow:DataandDeploymentSpecialization 如果你已瞭解如何建構並訓練模型，現在可進入這四堂專項課程，以熟悉各種部署情境，並瞭解如何更有效地使用資料訓練模型。

查看課程 版本 代碼 DeepLearning.AI TensorFlow:AdvancedTechniquesSpecialization 這個專項課程適合對TensorFlow有基本瞭解，但想學習進階TensorFlow功能來建構強大模型，以擴充知識和技能的軟體和機器學習工程師。

查看課程 版本 代碼 FundamentalsofGoogleAIforWebBasedMachineLearning Learnhowyoucangetmoreeyesonyourcuttingedgeresearch,ordeliversuperpowersinyourwebappsinfutureworkforyourclientsorthecompanyyouworkforwithweb-basedmachinelearning. 查看課程 版本 代碼 理論 數學概念 這些資源可以幫助你理解進階學習所需的基礎數學概念，以便更深入瞭解機器學習知識。

返回資源庫 以淺顯易懂的方式，介紹線性代數如何應用於機器學習中 簡單介紹線性代數如何應用於機器學習。

沒上過線性代數或只略懂基礎概念，但又想瞭解線性代數如何應用於機器學習嗎？這部影片正符合您的需求。

免費 觀看影片 數學 close ImperialCollegeLondon MathematicsforMachineLearningSpecialization Coursera這項線上專項課程旨在彌補數學和機器學習之間的鴻溝，讓你快速掌握基礎數學以建立直覺式的理解，並將其與機器學習和資料科學相互連結。

查看課程 數學 理論 深度學習 由3Blue1Brown提供 3blue1brown主打透過視覺效果展現數學的奧妙。

這一系列影片將帶領你學習類神經網路的基本知識，以及如何將數學概念運用其中。

免費 查看系列 數學 理論 EssenceofLinearAlgebra 由3Blue1Brown提供 3blue1brown提供的一系列視覺化短片，講解矩陣、行列式、本徵向量等的幾何意義。

免費 查看系列 數學 EssenceofCalculus 由3Blue1Brown提供 3blue1brown提供的一系列視覺化短片，以精彩明瞭的方式講解微積分的基本原理，讓觀眾深刻理解基本定理，而不只是簡單說明運算方式而已。

免費 查看系列 數學 MIT18.06:LinearAlgebra MIT的這堂入門課程介紹了矩陣理論和線性代數。

課程主軸著重於在其他學科中也很實用的主題，包括聯立方程式、向量空間、行列式、特徵值、相似性和正定矩陣。

免費 查看課程 數學 MIT18.01:SingleVariableCalculus MIT的這堂初級微積分課程介紹了單變量函式的微分和積分，並輔以應用說明。

免費 查看課程 數學 SeeingTheory 作者：DanielKunin、JingruGuo、TylerDaeDevlin、DanielXiang 機率及統計學的視覺化簡介。

免費 瞭解詳情 數學 AnIntroductiontoStatisticalLearning 作者：GarethJames、DanielaWitten、TrevorHastie和RobTibshirani 本書針對統計學習領域提供了平易近人的概述，這套重要的工具集可用來理解訓練機器學習模型所需要的龐雜資料集。

免費 查看書籍 數學 TensorFlow資源 這裡集合了我們最喜愛的各種資源，可協助您開始運用符合您需求的TensorFlow程式庫和架構。

跳至關於 TensorFlow.js 、 TensorFlowLite 和 TensorFlowExtended 的部分。

您也可以瀏覽官方TensorFlow 指南 和 教學課程 ，即可參閱最新的範例和Colab。

返回資源庫 MachineLearningFoundations MachineLearningFoundationsisafreetrainingcoursewhereyou'lllearnthefundamentalsofbuildingmachinelearnedmodelsusingTensorFlow. 免費 查看系列 代碼 理論 版本 TensorFlowfromtheGroundUp 這個機器學習技術討論適合對機器學習已有基本瞭解，但需要掌握TensorFlow基礎知識(不需用到高層級API的張量、變數和梯度相關概念)的對象。

免費 觀看影片 代碼 理論 close IntrotoDeepLearning 這個機器學習技術討論內容包含表徵學習、類神經網路系列及相關應用、一探深層類神經網路內部，以及許多TensorFlow程式碼範例和概念。

免費 觀看影片 代碼 理論 close CodingTensorFlow 在這個系列中，TensorFlow團隊從程式設計的角度探討TensorFlow的各個面向，透過影片介紹TensorFlow高層級API的使用方式、自然語言處理、NeuralStructuredLearning等等。

免費 查看系列 代碼 版本 運用機器學習來找出並解決日常問題 學習找出最常見的機器學習用途，包括分析多媒體、建構智慧搜尋功能、轉換資料等，並瞭解如何透過容易使用的工具，在應用程式中快速建構這些功能。

免費 觀看影片 理論 close 適用於JavaScript 前往 TensorFlow.js 探索最新資源。

返回資源庫 LearningTensorFlow.js 作者：GantLaborde 透過端對端實作的方式，協助各領域的技術人士掌握TensorFlow.js基礎知識。

讀完這本書後，您將瞭解如何使用TensorFlow.js建構及部署可用於生產環境的深度學習系統。

查看書籍 代碼 理論 版本 開始使用TensorFlow的TensorFlow.js 本系列包含3個部分，除了探討如何透過TensorFlow.js訓練及執行機器學習模型，也說明如何使用JavaScript建立可直接在瀏覽器中執行的機器學習模型。

免費 查看系列 代碼 理論 GoogleAIforJavaScriptdeveloperswithTensorFlow.js GofromzerotoherowithwebMLusingTensorFlow.js.Learnhowtocreatenextgenerationwebappsthatcanrunclientsideandbeusedonalmostanydevice. 免費 查看課程 代碼 理論 版本 TensorFlow.js:IntelligenceandLearning系列 TheCodingTrain提供 本影片播放清單屬於機器學習和打造類神經網路的專題系列之一，著重在TensorFlow.js(核心API)與如何使用JavaScript程式庫訓練、部署機器學習模型。

免費 查看系列 代碼 數學 理論 適用於行動裝置及IoT 前往 TensorFlowLite 探索最新資源。

返回資源庫 GoogleDevelopers 裝置端機器學習 學習途徑中提供音訊分類、視覺化產品搜尋等常見用途的逐步指南，您可透過這些學習途徑來瞭解如何建構您的第一個裝置端機器學習應用程式。

瞭解詳情 代碼 版本 IntroductiontoTensorFlowLite 本課程是由TensorFlow團隊和Udacity開發，旨在為軟體開發人員提供實用的模型部署方法。

參加課程即可瞭解如何使用TensorFlowLite在行動裝置和嵌入式裝置上部署深度學習模型。

免費 查看課程 代碼 理論 版本 適用於生產環境 前往 TFX 探索最新資源。

返回資源庫 使用TFX，透過機器學習工程來部署可用於生產環境的機器學習系統 觀看使用TFX建構實際工作管線系統的實作過程。

我們將快速說明從資料擷取、模型建構，到部署和管理等所有環節。

免費 觀看影片 代碼 版本 close BuildingMachineLearningPipelines 作者：HannesHapke、CatherineNelson 這本書引導您使用TensorFlow生態系統，逐步將機器學習管線自動化。

這本書中的機器學習範例是以TensorFlow和Keras為基礎，但其中的核心概念可套用到任何架構中。

查看書籍 代碼 理論 版本 DeepLearning.AI MachineLearningEngineeringforProduction(MLOps)Specialization 參加這四堂專項課程，培養自己的生產工程技能。

瞭解如何概念化、建構及維護在實際工作環境中持續運作的整合系統。

查看課程 代碼 理論 版本 MLPipelinesonGoogleCloud 這個進階課程介紹TFX元件、管線調度管理和自動化，並說明如何使用GoogleCloud管理機器學習中繼資料。

查看課程 代碼 理論 版本 以人為本的AI 設計機器學習模型或建構AI驅動的應用程式時，務必考量到與產品進行互動的使用者，也要思考在這些AI系統中建立公平性、可解釋性、隱私權和安全性的最佳方法。

返回資源庫 ResponsibleAI做法 瞭解如何使用TensorFlow，將ResponsibleAI的做法整合至機器學習工作流程。

免費 瞭解詳情 People+AIGuidebook Google的這本指南可協助你建構以人為本的AI產品。

它能讓你在建構AI驅動應用程式時，避免常見錯誤、設計出絕佳的體驗，並專注於使用者需求。

免費 瞭解詳情 機器學習模組公平性簡介 GoogleMLCC推出這個一小時的模組，向學習者介紹訓練資料中可能出現的各類人為偏誤，以及要識別和評估這些偏誤帶來的影響時，可以採取的策略。

免費 瞭解詳情 加入TensorFlow的全球社群 瞭解詳情 [{ "type":"thumb-down", "id":"missingTheInformationINeed", "label":"缺少我需要的資訊" },{ "type":"thumb-down", "id":"tooComplicatedTooManySteps", "label":"過於複雜/步驟過多" },{ "type":"thumb-down", "id":"outOfDate", "label":"過時" },{ "type":"thumb-down", "id":"translationIssue", "label":"翻譯問題" },{ "type":"thumb-down", "id":"samplesCodeIssue", "label":"示例/程式碼問題" },{ "type":"thumb-down", "id":"otherDown", "label":"其他" }] [{ "type":"thumb-up", "id":"easyToUnderstand", "label":"容易理解" },{ "type":"thumb-up", "id":"solvedMyProblem", "label":"確實解決了我的問題" },{ "type":"thumb-up", "id":"otherUp", "label":"其他" }] 掌握最新動態 網誌 論壇 GitHub Twitter YouTube 支援服務 問題追蹤工具 版本資訊 StackOverflow 品牌宣傳指南 引用TensorFlow的資料 條款 隱私權 訂閱TensorFlow電子報 訂閱 Language English BahasaIndonesia Deutsch Español–AméricaLatina Français Italiano Polski Português–Brasil TiếngViệt Türkçe Русский עברית العربيّة فارسی हिंदी বাংলা ภาษาไทย 中文–简体 中文–繁體 日本語 한국어