머신러닝 교육의 네 가지 영역
교육 과정을 시작할 때는 ML의 학습 방법을 먼저 이해하는 것이 중요합니다. 학습 과정은 네 가지 지식 분야로 나뉘어 있으며, 각 분야는 저마다 ML 퍼즐의 기초적인 부분을 제공합니다. 이 과정을 지원하기 위해 마련해 둔 책, 동영상, 온라인 강의로 역량을 키우고 프로젝트에 ML을 사용할 준비를 갖출 수 있습니다. 지식 수준을 높여줄 엄선된 커리큘럼으로 시작하거나 리소스 라이브러리를 탐색하여 나만의 학습 과정을 선택해 보세요.
TensorFlow 커리큘럼
추천 강의, 도서, 동영상이 포함된 커리큘럼 중 하나로 학습을 시작해 보세요.
다양한 책과 온라인 강의를 통해 ML의 기초를 배워보세요. ML에 첫발을 들인 다음 TensorFlow 2.0을 사용한 딥 러닝을 접하게 됩니다. 그런 다음 초보자 튜토리얼에서 배운 내용을 연습하게 됩니다.
머신러닝의 기초를 이해했다면 신경망, 딥 러닝을 이론적으로 깊이 있게 이해하고 기반을 이루는 수학적 개념에 관한 지식을 넓혀 역량을 한 단계 끌어 올리세요.
자바스크립트 머신러닝 모델 개발의 기초와 브라우저에서 직접 배포하는 방법을 알아봅니다. 실습을 통해 딥 러닝과 TensorFlow.js를 시작하는 방법을 간략히 소개합니다.
도서
읽기는 ML과 딥 러닝의 기초를 이해하는 가장 좋은 방법 중 하나입니다. 책은 향후 새로운 개념을 더 빠르게 익히는 데 필요한 이론적 지식을 제공해 줍니다.
이 입문서에서는 코드 우선 접근 방식을 통해 컴퓨터 비전, 자연어 처리(NLP), 웹, 모바일, 클라우드, 임베디드 런타임을 위한 시퀀스 모델링과 같이 가장 일반적인 ML 시나리오를 구현하는 방법을 알아봅니다.
이 책은 구체적인 예제, 최소한의 이론, 두 가지 프로덕션 지원 Python 프레임워크인 Scikit-Learn과 TensorFlow를 사용하여 지능형 시스템 빌드에 필요한 개념과 도구를 직관적으로 이해하는 데 도움을 줍니다.
이 책은 신경망에 관한 이론적인 배경지식을 제공합니다. TensorFlow를 사용하지는 않지만 더 많은 내용을 배우고자 하는 학생들이 참고하기에 좋습니다.
TensorFlow.js 기초를 포괄적으로 다루며, 다양한 기술 담당자를 대상으로 합니다. 이 책을 정독하고 나면 TensorFlow.js를 사용해 프로덕션에 즉시 사용 가능한 딥 러닝 시스템을 빌드하고 배포하는 방법을 알 수 있습니다.
TensorFlow 라이브러리의 주요 저자들이 집필한 이 책은 유용한 사용 사례와 브라우저 또는 노드의 자바스크립트 딥 러닝 앱에 관한 상세한 지침을 제공합니다.
온라인 강의
여러 부분으로 구성된 온라인 강의를 수강하는 것은 ML의 기본 개념을 학습하기에 좋은 방법입니다. 많은 강의에서 유용한 시각적 설명과 더불어, 머신러닝을 업무 또는 개인적인 프로젝트에 바로 적용하는 데 필요한 도구를 제공합니다.
DeepLearning.AI
AI, ML, 딥 러닝을 위한 TensorFlow 입문TensorFlow팀과의 협력을 통해 개발된 이 과정은 TensorFlow의 개발자 특화 과정의 일환으로, TensorFlow 사용을 위한 권장사항을 배울 수 있습니다.
TensorFlow팀과 Udacity에서 개발한 이 온라인 과정에서는 TensorFlow로 딥 러닝 애플리케이션을 빌드하는 방법을 알아봅니다.
DeepLearning.AI
TensorFlow 개발자 특화 과정TensorFlow 개발자가 진행하는 4개 과정으로 이루어진 이 특화 과정에서는 개발자가 TensorFlow로 확장 가능한 AI 기반 알고리즘을 빌드하는 데 사용하는 도구와 소프트웨어를 알아봅니다.
Google Developers
머신러닝 단기집중과정TensorFlow API를 이용한 머신러닝 단기집중과정은 머신러닝을 배우려는 실무자를 위한 자기 주도형 학습 가이드입니다. 동영상 강의와 실제 우수사례, 실습이 포함된 일련의 강의로 구성되어 있습니다.
이 MIT 과정에서는 딥 러닝 알고리즘에 관한 기초 지식과 TensorFlow로 신경망을 빌드하는 실무 경험을 쌓을 수 있습니다.
DeepLearning.AI
딥 러닝 특화 과정5개 과정에서는 딥 러닝의 기초, 신경망 빌드 방법, 머신러닝 프로젝트를 성공으로 이끌고 AI 관련 경력을 쌓는 방법 등을 알아봅니다. 이론뿐 아니라 이론이 산업에 어떻게 적용되는지도 배울 수 있습니다.
DeepLearning.AI
TensorFlow: 데이터 및 배포 특화 과정모델 빌드 및 학습 방법을 배웠습니다. 이제 4개 과정으로 구성된 특화 과정을 통해 다양한 배포 시나리오를 탐색하고 더 효과적인 모델 학습에 데이터를 사용하는 방법을 배워 보세요.
DeepLearning.AI
TensorFlow: 고급 기술 특화 과정이 특화 과정은 TensorFlow를 기본적으로 이해하고 있으며 강력한 모델을 빌드하기 위한 고급 TensorFlow 기능을 배워 지식과 기술 역량을 확대하려는 소프트웨어 및 ML 엔지니어를 대상으로 합니다.
웹 기반 머신러닝을 통해 최첨단 연구에 대한 대중의 관심을 높이거나, 고객 또는 근무 중인 회사를 위한 향후 작업에서 놀라운 성능의 웹 앱을 개발하는 방법을 알아보세요.
머신러닝의 선형 대수를 한눈에 파악합니다. 선형 대수에 관해 배운 적이 없거나 기초지식만 있으나 ML에서 선형 대수가 어떻게 사용되는지 살펴보고 싶으신가요? 그렇다면 이 동영상을 참고하세요.
Imperial College London
머신러닝용 수학 특화 과정Coursera의 이 온라인 특화 과정은 직관적인 이해를 위해 기본적인 수학 내용을 빠르게 확인하고, 이를 머신러닝 및 데이터 과학과 연결하여 수학과 머신러닝 사이의 간극을 메우는 것을 목표로 합니다.
MIT의 이 입문 과정에서는 행렬 이론과 선형 대수를 다룹니다. 방정식, 벡터 공간, 행렬식, 고윳값, 유사성, 양정치 행렬 등 다른 분야에도 유용한 주제가 강조됩니다.
TensorFlow 리소스
요구사항에 따라 TensorFlow 라이브러리와 프레임워크를 시작하는 데 도움이 되도록 즐겨찾는 리소스를 모았습니다. TensorFlow.js, TensorFlow Lite, TFX 섹션으로 바로 이동하세요.
공식 TensorFlow 가이드 및 튜토리얼에서도 최근 예제 및 Colab을 살펴볼 수 있습니다.
이 입문 시리즈는 코딩 방법을 알고 있지만 머신러닝은 잘 모르는 개발자를 대상으로 합니다. ML 모델을 빌드하는 기본 'Hello World' 예제를 확인하고 컨볼루셔널 신경망 기반의 이미지 분류기를 빌드하는 방법을 알아봅니다.
이 ML 기술 강의는 머신러닝의 기초를 알고 있지만 TensorFlow의 기본적인 사항(고수준 API를 사용하지 않은 텐서, 변수, 경사)에 관해 간략하게 알고 싶은 개발자를 위해 마련되었습니다.
이 시리즈에서 TensorFlow팀은 TensorFlow의 고수준 API, 자연어 처리, Neural Structured Learning 등의 사용에 관한 동영상을 통해 TensorFlow의 다양한 부분을 코딩 측면에서 살펴봅니다.
멀티미디어 분석, 스마트 검색 빌드, 데이터 변환 등 가장 일반적인 ML 사용 사례를 발견하는 방법 및 사용자 친화적인 도구를 사용하여 이러한 사용 사례를 빠르게 앱에 빌드하는 방법을 알아봅니다.
브라우저에서 JavaScript로 ML을 사용하는 작업에 관해 실용적인 지식을 습득하세요. 빈 캔버스에서 커스텀 모델을 작성하고, 전이 학습을 통해 모델을 다시 학습시키고, Python에서 모델로 전환하는 방법을 알아보세요.
TensorFlow.js 기초를 포괄적으로 다루며, 다양한 기술 담당자를 대상으로 합니다. 이 책을 정독하고 나면 TensorFlow.js를 사용해 프로덕션에 즉시 사용 가능한 딥 러닝 시스템을 빌드하고 배포하는 방법을 알 수 있습니다.
TensorFlow.js로 머신러닝된 모델의 학습 및 실행에 관해 알아보고 자바스크립트로 브라우저에서 바로 실행되는 머신러닝 모델을 만드는 방법을 보여주는 3부작 시리즈입니다.
TensorFlow.js를 사용해 웹 ML의 초보자에서 전문가로 거듭나세요. 클라이언트 측에서 실행할 수 있으며 거의 모든 기기에서 사용 가능한 차세대 웹 앱을 개발하는 방법을 알아보세요.
머신러닝과 신경망 빌드에 관한 시리즈의 일부인 이 동영상 재생목록은 TensorFlow.js, 핵심 API, 자바스크립트 라이브러리를 사용한 ML 모델의 학습 및 배포 방법에 중점을 둡니다.
Google Developers
온디바이스 머신러닝오디오 분류, 시각적 제품 검색 등의 일반적인 사용 사례에 관해 단계별로 안내하는 학습 과정을 통해 첫 번째 온디바이스 ML 앱을 빌드하는 방법을 알아봅니다.
이 과정에서는 TensorFlow Lite로 휴대기기 및 임베디드 기기에 딥 러닝 모델을 배포하는 방법을 알아봅니다. 이 방법은 TensorFlow팀과 Udacity가 개발한 소프트웨어 개발자를 위한 실용적인 모델 배포 접근 방식입니다.
TFX와 프로덕션 파이프라인 시스템을 통합하는 방법을 실습합니다. 데이터 수집, 모델 빌드부터 배포와 관리까지 모든 내용을 간략히 다룹니다.
이 책에서는 TensorFlow 생태계를 사용한 ML 파이프라인 자동화 단계를 안내합니다. 여기에 나오는 머신러닝 예제는 TensorFlow 및 Keras를 기반으로 하지만 핵심 개념은 모든 프레임워크에 적용할 수 있습니다.
DeepLearning.AI
프로덕션을 위한 머신러닝 엔지니어링(MLOps) 특화 과정4개의 과정으로 이루어진 이 특화 과정으로 프로덕션 엔지니어링 능력을 함양하세요. 프로덕션에서 지속적으로 운영되는 통합 시스템을 개념화하고 빌드하고 유지보수하는 방법을 알아봅니다.
인간 중심 AI
ML 모델을 설계하거나 AI 기반 애플리케이션을 빌드할 때는 제품과 상호작용하는 사용자, 그리고 공정성, 해석 가능성, 개인 정보 보호, 보안을 AI 시스템에 빌드하는 최적의 방식을 고려하는 것이 중요합니다.
Google에서 만든 이 안내서는 인간 중심 AI 제품을 빌드하는 데 도움이 됩니다. 이를 통해 흔히 발생하는 실수를 피하고 탁월한 환경을 설계하며 AI 중심 애플리케이션 빌드 시 사용자에 중점을 둘 수 있습니다.
Google MLCC의 이 한 시간짜리 모듈에서는 학습자를 대상으로 학습 데이터에서 드러날 수 있는 인간의 다양한 편향과 이들의 효과를 파악하고 평가하는 전략에 관해 소개합니다.