在开启您的学习之旅之前，请务必先了解如何学习机器学习知识。我们将学习流程划分为四个知识领域，每个领域均提供了机器学习的基础知识部分。为帮助您顺利完成学习之旅，我们列出了一些图书、视频和在线课程，不仅有助于您提升能力，还可以让您为在自己的项目中使用机器学习做好准备。我们的指导课程旨在扩大您的知识面，因此可以先从这里着手，或者通过浏览我们的资源库选择您自己的学习路径。
我们提供的指导课程包含推荐的课程、图书和视频，选择一门课程开启学习之旅吧。
选择您自己的学习路径，并浏览TensorFlow团队推荐的图书、课程、视频和练习，以了解机器学习的基础知识。
阅读是理解机器学习和深度学习基础知识的最佳方式之一。图书可以为您提供必要的理论知识，帮助您以后更加快速地学习新概念。
这本入门书籍从代码的角度介绍了如何实现最常见的机器学习场景，例如计算机视觉、自然语言处理(NLP)，以及网络、移动、云端和嵌入式运行时的序列建模。
本书介绍了关于使用Keras进行深度学习的实用操作说明。
本书采用了具体示例和两个可用于生产的Python框架（Scikit-Learn和TensorFlow），并且理论知识篇幅不多，可帮助您直观地理解构建智能系统用到的概念和工具。
这本《深度学习》教材旨在帮助学生和从业者进入一般的机器学习领域，尤其是深度学习领域。
本书提供了有关神经网络的理论背景。本书并未用到TensorFlow，但对于有兴趣深入学习的学生来说具有重要的参考价值。
通过端到端的实际操作方法学习TensorFlow.js基础知识，适合广泛的技术受众。读完本书后，您将了解如何使用TensorFlow.js构建和部署可用于生产环境的深度学习系统。
本书由TensorFlow库的主要作者编著，提供了关于在浏览器中或Node上使用JavaScript构建深度学习应用的精彩用例和深入说明。
学习由多个部分组成的在线课程是学习机器学习基础概念的绝佳方式。很多课程不仅生动形象地讲解了专业知识，还提供了在您的工作或个人项目中直接运用机器学习所需的工具。
DeepLearning.AI
该课程是《TensorFlow开发者》专项课程的一部分，与TensorFlow团队联合制作而成，其中将讲解使用TensorFlow的最佳实践。
在这门由TensorFlow团队和Udacity联合制作的在线课程中，您将了解如何使用TensorFlow构建深度学习应用。
在这个由TensorFlow开发者讲授且由4门课程组成的专项课程中，您将了解开发者在TensorFlow中构建由AI提供支持且可扩容的算法时使用的工具和软件。
GoogleDevelopers
有关TensorFlowAPI的机器学习速成课程是面向志向远大的机器学习从业者的自学指南。其中包含一系列视频讲座课程、实际案例研究和实践练习。
通过学习麻省理工学院推出的这门课程，您将掌握深度学习算法的基础知识，并获得在TensorFlow中构建神经网络的实践经验。
通过学习这5门课程，您将了解深度学习的基础知识，了解如何构建神经网络，以及如何成功完成机器学习项目并在AI领域成就一番事业。在学习过程中，您不仅可以掌握理论知识，还将了解这些理论在行业中的运用情况。
您已经学习了如何构建和训练模型。现在请学习这个由4门课程组成的专项系列课程，了解如何在各种场景下部署模型，以及如何使用数据更有效地训练模型。
这门专项课程适合以下软件工程师和机器学习工程师：对TensorFlow有基本了解，希望通过学习高级TensorFlow功能来扩展自己的知识和技能，进而构建强大的模型。
要更深入地学习机器学习知识，这些资源可以帮助您理解提升至更高水平所需的基础数学概念。
此视频概要介绍了线性代数在机器学习中的运用。从未学过线性代数或仅对基础知识略知一二，但希望了解线性代数如何应用于机器学习？那么此视频非常适合您。
ImperialCollegeLondon
Coursera发布的这门在线专项课程旨在弥合数学与机器学习之间的缺口，让您快速掌握基础数学知识以建立直观的理解，并将其与机器学习和数据科学联系起来。
3blue1brown专门通过以视觉为主导的方法讲解数学知识。在此视频系列课程中，您将通过数学概念了解神经网络的基础知识及其运行原理。
3blue1brown发布的一系列以独特视觉角度解说的短视频，其中讲解了如何从几何方面理解矩阵、行列式、本征函数/本征值等内容。
3blue1brown发布的一系列以独特视觉角度解说的短视频，其中讲解了微积分的基础知识，旨在让您深入理解基本定理，而不只是了解方程的原理。
此入门课程由麻省理工学院发布，内容涵盖矩阵理论和线性代数。此课程重点介绍了在其他学科中很有用的概念，包括方程组、向量空间、行列式、特征值、相似度和正定矩阵。
本课程是麻省理工学院发布的微积分入门课程，其中介绍了一元函数的微分和积分及其应用。
概率和统计学的直观介绍。
本书以通俗易懂的方式概述了统计学习领域，统计学习是一种重要的工具包，可帮助理解训练机器学习模型所需的庞大而复杂的数据集。
本入门系列视频适合了解如何编写代码但不一定了解机器学习的人员。您可以查看展示如何构建机器学习模型的“HelloWorld”基本示例，并了解如何通过卷积神经网络构建图像分类器。
此机器学习技术演讲适合以下人员：对机器学习有基本的了解，但需要概要学习TensorFlow的基础知识（张量、变量和梯度，不使用高阶API）。