Corso intensivo per il machine learning

La rapida introduzione al machine learning di Google, che comprende una serie di lezioni con videolezioni, visualizzazioni interattive ed esercitazioni pratiche.
Inizia corso accelerato Sfogliare i moduli del corso Visualizza prerequisiti
Dal 2018, milioni di persone in tutto il mondo si affidano al Machine Learning Crash Course per scoprire come funziona il machine learning e in che modo questo può funzionare per loro. Siamo lieti di annunciare il lancio di una versione aggiornata di MLCC che copre i recenti progressi nel campo dell'IA, con una maggiore attenzione all'apprendimento interattivo. Guarda questo video per scoprire di più sul nuovo e migliorato MLCC.

Moduli del corso

Ogni modulo Crash Course su machine learning è indipendente, quindi se hai già esperienza nel machine learning, puoi passare direttamente agli argomenti che vuoi approfondire. Se non hai mai utilizzato il machine learning, ti consigliamo di completare i moduli nell'ordine riportato di seguito.

Modelli ML

Questi moduli trattano gli aspetti fondamentali della creazione di regressioni e della classificazione di machine learning.

Un'introduzione alla regressione lineare, che tratta i modelli lineari, la perdita, la discesa del gradiente e l'ottimizzazione degli iperparametri.
Un'introduzione alla regressione logistica, in cui i modelli di ML sono progettati per prevedere la probabilità di un dato risultato.
Un'introduzione ai modelli di classificazione binaria, che copre soglia, matrici di confusione e metriche come accuratezza, precisione, richiamo e AUC.

Dati

Questi moduli trattano le tecniche e le best practice fondamentali per utilizzare i dati di machine learning.

Scopri come analizzare e trasformare i dati numerici per addestrare i modelli di ML in modo più efficace.
Apprendi le nozioni di base per lavorare con i dati categorici: come distinguere i dati categorici da quelli numerici; come rappresentare numericamente i dati categorici utilizzando la codifica one-hot, l'hashing delle caratteristiche e la codifica media; e come eseguire incroci di caratteristiche.
Un'introduzione alle caratteristiche dei set di dati di machine learning e a come preparare i dati per garantire risultati di alta qualità durante l'addestramento e la valutazione del modello.

Modelli ML avanzati

Questi moduli trattano le architetture dei modelli di ML avanzate.

Un'introduzione ai principi fondamentali delle architetture di rete neurale, tra cui perceptroni, livelli nascosti e funzioni di attivazione.
Scopri come gli incorporamenti ti consentono di eseguire il machine learning su vettori di caratteristiche di grandi dimensioni.
Nuovo
Un'introduzione ai modelli linguistici di grandi dimensioni (LLM), dai token ai Transformer. Scopri le nozioni di base su come gli LLM imparano a prevedere l'output di testo, nonché come vengono progettati e addestrati.

ML reale

Questi moduli coprono considerazioni critiche durante la creazione e il deployment di modelli di ML nel mondo reale, tra cui le best practice per la produzione, l'automazione e l'ingegneria responsabile.

Scopri come funziona un sistema di produzione di machine learning su una vasta gamma di componenti.
Nuovo
Scopri i principi e le best practice per l'utilizzo del machine learning automatizzato.
Scopri principi e best practice per verificare l'equità dei modelli di ML, incluse le strategie per identificare e attenuare i bias nei dati.