当 TensorFlow YouTube 频道于 2018 年推出时，我们的愿景是向世界各地的开发者传达机器学习的可能性，并激发他们的灵感。 凭借“Coding TensorFlow”等系列，展示了如何使用它，以及“Made with TensorFlow”展示了人们使用 TensorFlow 所做出的令人鼓舞的故事以及更多内容，该频道已取得了巨大的发展。 但我们学到了一项重要的教训：它是一种全球现象，要有效地触达全球，我们应该以多种语言提供我们最好的内容，并由母语人士进行展示。 因此，今天我们很高兴推出这一举措的第一波——受欢迎的“Zero to Hero”系列的葡萄牙语版！

机器学习与 TensorFlow：从零到一百。

如今，似乎你无法打开浏览器、报纸或书籍而不看到关于机器学习或人工智能的内容。 这里有大量的信息和炒作。 考虑到这一点，TensorFlow 团队的 Laurence Moroney 想从开发者的角度制作一个四部分的视频系列，讲述机器学习的真正含义。 该视频系列基于他在 Google IO 2019 上的热门演讲“机器学习：从零到一百与 TensorFlow”，现在提供了葡萄牙语版！



在视频 1 中，您将了解到机器学习代表了编程中的一种新的范式。 与在 Java 或 C++ 等语言中对显式规则进行编程不同，您构建一个经过数据训练的系统来推断自身的规则。 但 ML 究竟是什么样子的呢？ 在这里，您将体验构建 ML 模型的基本“Hello World”示例，并介绍我们在后续章节中将应用于更有趣问题（计算机视觉）的想法。



在视频 2 中，您将了解机器学习中的基本计算机视觉知识，并教计算机如何识别不同的物体。 您也可以在这里自己尝试一个示例：https://goo.gle/34cHkDk



在视频 3 中，我们将讨论卷积神经网络，以及它们在计算机视觉场景中如此强大的原因。 卷积是一个过滤器，它在图像上移动，对其进行处理，并提取显示图像中共同性的特征。 在本视频中，您将看到它们是如何工作的，通过处理图像来查看是否可以从中提取特征！ 您也可以尝试一个 codelab：http://bit.ly/2lGoC5f



在视频 4 中，您将看到如何为石头、剪刀、布构建一个图像分类器。 在第一集里，我们展示了石头、剪刀、布的场景，并讨论了编写代码来检测和分类它们可能有多困难。 随着章节进展到机器学习，我们学习了如何构建神经网络，从检测原始像素中的模式，到对其进行分类，再到使用卷积来检测特征。 在本集中，我们将前三部分系列的所有信息整合在一起。 Colab 笔记本：http://bit.ly/2lXXdw5。 石头、剪刀、布数据集：http://bit.ly/2kbV92O

希望您喜欢这个系列，如果您想观看更多，请告知我们！

本博文也提供英语版本：

你似乎无法打开浏览器、报纸或书籍而不看到关于机器学习或人工智能的内容。 这里有大量的信息和炒作。 考虑到这一点，TensorFlow 团队的 Laurence Moroney 想从开发者的角度制作一个四部分的视频系列，讲述机器学习的真正含义。 它是基于他的 Google IO 2019 上的热门演讲，并被命名为“机器学习：从零到一百与 TensorFlow”。

这是视频 1，您将了解到机器学习代表了编程中的一种新的范式，与在 Java 或 C++ 等语言中对显式规则进行编程不同，您构建一个经过数据训练的系统来推断自身的规则。 但 ML 究竟是什么样子的呢？ 在这里，您将体验构建 ML 模型的基本“Hello World”示例，并介绍我们在后续章节中将应用于更有趣问题（计算机视觉）的想法。

这是视频 2，您将了解机器学习中的基本计算机视觉知识，并教计算机如何识别不同的物体。 您也可以在这里自己尝试一个示例：https://goo.gle/34cHkDk

这是视频 3，我们将讨论卷积神经网络，以及它们在计算机视觉场景中如此强大的原因。 卷积是一个过滤器，它在图像上移动，对其进行处理，并提取显示图像中共同性的特征。 在本视频中，您将看到它们是如何工作的，通过处理图像来查看是否可以从中提取特征！ 您也可以尝试一个 codelab： http://bit.ly/2lGoC5f

这是视频 4，您将看到如何为石头、剪刀、布构建一个图像分类器。 在第一集里，我们展示了石头、剪刀、布的场景，并讨论了编写代码来检测和分类它们可能有多困难。 随着章节进展到机器学习，我们学习了如何构建神经网络，从检测原始像素中的模式，到对其进行分类，再到使用卷积来检测特征。 在本集中，我们将前三部分系列的所有信息整合在一起。 Colab 笔记本： http://bit.ly/2lXXdw5。 石头、剪刀、布数据集： http://bit.ly/2kbV92O

希望您喜欢这个系列，如果您想观看更多，请告知我们！