TensorFlow超级指南 | 你能想到的TF教程和资源都在这里

来源:新智元

本文涵盖与TensorFlow相关的教程、书籍、工具、求职等的大量信息。尽数资源,应有尽有。

[ 导读 ]众所周知,TensorFlow已然成为机器学习的热门工具。不论是学习还是从事与机器学习相关的工作,能够灵活使用TensorFlow可以大幅提高作业效率。

不论你是刚刚“入坑”机器学习,亦或是在机器学习领域摸爬滚打多年,本文所总结的TensorFlow资源,总有一款是你需要的!

话不多说,上干货!

教程

Martin Görner课程—《无需成为博士即可学会TensorFlow和机器学习》:

如果你已经掌握了线性代数,那么这是一个很好的起点。 因为它会涉及几个高级概念,例如:

视频内容

视频约长1小时,建议WIFI条件下观看

  • 什么是神经元;
  • 不同类型的激活函数以及为何要使用Relu;
  • 如何通过dropout提高模型的精确度;
  • 如何评估模型以及如何调参。

Jacob Buckman—《TensorFlow:令人困惑的部分(1)》:

https://jacobbuckman.com/post/tensorflow-the-confusing-parts-1/

Dino Causevic—《TensorFlow入门:机器学习教程》:

https://www.toptal.com/machine-learning/tensorflow-machine-learning-tutorial

《Python TensorFlow教程:构建一个神经网络》:

http://adventuresinmachinelearning.com/python-tensorflow-tutorial

TensorFlow教程:

视频内容

视频约长50分钟,建议WIFI条件下观看

Jason Brownlee—《掌握机器学习》:

https://machinelearningmastery.com/start-here/

示例

代码示例

https://github.com/aymericdamien/TensorFlow-Examples https://github.com/MorvanZhou/Tensorflow-Tutorial

工具

Google Colaboratory (Colab):

https://colab.research.google.com/notebooks/welcome.ipynb#scrollTo=9wi5kfGdhK0R

COLAB笔记本

Colab提供了一个基于Jupyter的交互式Python笔记本,它具有两大优势:

  • 可以使用它来生成HTML / CSS的可视化
  • 免费的GPU计算时间

Colab是一个用来共享研究、分享学习新工具心得的平台。

Tensorboard:

视频内容

视频约长20分钟,建议WIFI条件下观看

https://www.tensorflow.org/programmers_guide/summaries_and_tensorboard https://github.com/tensorflow/tensorboard

Tensorboard正在展示交叉熵图

Tensorboard 3D图

Tensorboard是一种可视化机器学习模型的工具。 旨在解决黑盒问题。 它对以下几方面的内容有较大的作用:

  • 设计模型的结构
  • 调试
  • 可视化性能
  • 生成结果图

一些技巧

结合使用Tensorboard和Colab:

https://stackoverflow.com/questions/47818822/can-i-use-tensorboard-with-google-colab

如果你发现了Tensorboard和Colab的价值所在,那么你就值得花费一定的时间学习如何讲它们结合使用。

社区

Announcements & Jokes:

https://www.reddit.com/r/MachineLearning/

Slack:

https://slofile.com/slack/ai-researchers

Discord:

https://discordlist.me/join/167811324590424065/

书籍

神经网络与深度学习(免费在线图书):

http://neuralnetworksanddeeplearning.com/

深度学习(在线图书):

http://www.deeplearningbook.org/

Goodreads上流行的数据科学书籍:

https://www.goodreads.com/shelf/show/data-science

更多资源

机器学习研究:

https://distill.pub/

arXiv:

人工智能:

https://arxiv.org/list/cs.AI/new

计算机视觉和模式识别:

https://arxiv.org/list/cs.CV/new

机器学习:

https://arxiv.org/list/cs.LG/new

职业

《如何成为数据科学家》:

https://www.datasciencecentral.com/profiles/blogs/how-to-become-a-data-scientist-for-free

求职

linkedIn:

https://www.linkedin.com/jobs/machine-learning-jobs/

AngelList:

https://angel.co/machine-learning/jobs

原文发布于微信公众号 - 数据派THU(DatapiTHU)

原文发表时间:2018-08-11

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏人工智能快报

AI系统能帮助合成新材料

麻省理工学院的三位材料科学家及其同事发表的论文中,描述其 AI系统可通过科学论文和提取“食谱”合成特定类型的材料。 2017年11月,美国麻省理工学院的三位材料...

32240
来自专栏PPV课数据科学社区

机器学习技术类书单推荐

机器学习技术类书单推荐,共11本: 《机器学习》 《图解机器学习》 《机器学习实战》【有电子版】 《机器学习系统设计》【有电子版】 《Python机器学习基础教...

373140
来自专栏量子位

推荐系统中的冷启动和探索利用问题探讨

作者:文辉 | 达观数据 量子位 已获授权编辑发布 1.前言 互联网技术和大数据技术的迅猛发展正在时刻改变我们的生活,视频网站、资讯app、电商网站对于推荐系统...

92570
来自专栏数据科学与人工智能

【学库】用Python做深度学习

若是你对深度学习只有比较浅的认识,想知道深度学习是什么?深度学习的来龙去脉?为什么会出现深度学习这个说法和技术?作者在第一章做了回答。

23020
来自专栏数据科学与人工智能

【知识】2017年数据科学Top12的Python库

Python深受数据科学家和数据工程师的喜爱。 ? 本文总结2017年数据科学的Top12的Python库。 核心库 1 numpy 它是最基础库,是众多Py...

37270
来自专栏机器之心

学界 | FAIR等机构联合提出IntPhys:你的智能系统的物理知识,比得上婴儿吗?

选自arXiv 机器之心编译 参与:Nurhachu Null、刘晓坤 婴儿和许多动物对物体的相互作用有直观理解,并能逐步掌握物体恒常性、因果关系、重力、形状不...

28440
来自专栏大数据文摘

深度特征合成:自动化特征工程的运作机制

将机器学习的方法推广到新问题仍然存在着不小的挑战,其中最严峻的问题之一,就是人工提取特征的复杂性和高时间耗费性,本文就将带你了解自动化特征提取方法。

16350
来自专栏AI科技评论

自然语言的理解和连续表达 | 微软演讲PPT终章

微软研究院在IJCAI2016的Tutorial上讲述了自己将深度学习、深度神经网络应用于不同场景的情况,之前第二部分提到了深度学习在统计机器翻译和会话中的应用...

34860
来自专栏新智元

【PyTorch 挑战 TensorFlow】28303 篇 arXiv 论文看深度学习 6 大趋势

【新智元导读】本文由 Andrej Karpathy撰写,他前不久加入了特斯拉,担任AI 负责人。本文是他在 OpenAI 担任研究员期间所写,陈述了他通过分析...

38660
来自专栏木可大大

大数据是什么(续)

从亚马逊到Facebook,再到谷歌和微软,全球最顶尖、最有影响力的技术公司都将目光转向了人工智能(AI)。本文将介绍AI、机器学习以及深度学习,其中着重介绍深...

19520

扫码关注云+社区

领取腾讯云代金券