Kursus Singkat Machine Learning

Pengantar machine learning Google yang praktis dan ringkas, yang menampilkan serangkaian pelajaran dengan video materi edukasi, visualisasi interaktif, dan latihan praktik langsung.
Mulai Kursus Singkat Jelajahi modul kursus Lihat prasyarat
Sejak tahun 2018, jutaan orang di seluruh dunia mengandalkan Kursus Singkat Machine Learning untuk mempelajari cara kerja machine learning, dan cara kerja machine learning untuk mereka. Dengan senang hati kami mengumumkan peluncuran versi baru MLCC yang mencakup kemajuan terkini dalam AI, dengan peningkatan fokus pada pembelajaran interaktif. Tonton video ini untuk mempelajari lebih lanjut MLCC yang baru dan lebih baik.

Modul Kursus

Setiap modul Kursus Singkat Machine Learning bersifat mandiri, jadi jika Anda memiliki pengalaman sebelumnya dalam machine learning, Anda dapat langsung menuju ke topik yang ingin dipelajari. Jika Anda baru menggunakan machine learning, sebaiknya selesaikan modul sesuai urutan di bawah.

Model ML

Modul-modul ini mencakup dasar-dasar pengembangan regresi dan klasifikasi jaringan.

Pengantar regresi linear, yang mencakup model linear, kerugian, penurunan gradien, dan penyesuaian hyperparameter.
Pengantar regresi logistik, di mana model ML dirancang untuk memprediksi probabilitas hasil tertentu.
Pengantar model klasifikasi biner, yang mencakup ambang batas, matriks konfusi, dan metrik seperti akurasi, presisi, perolehan, dan AUC.

Data

Modul-modul ini mencakup teknik dasar dan praktik terbaik untuk bekerja dengan data machine learning.

Pelajari cara menganalisis dan mengubah data numerik untuk membantu melatih model ML secara lebih efektif.
Pelajari dasar-dasar penggunaan data kategorik: cara membedakan data kategoris dengan data numerik; cara merepresentasikan data kategoris secara numerik menggunakan encoding one-hot, hashing fitur, dan encoding rata-rata; dan cara melakukan persilangan fitur.
Pengantar karakteristik set data machine learning, dan cara menyiapkan data untuk memastikan hasil yang berkualitas tinggi saat melatih dan mengevaluasi model Anda.

Model ML lanjutan

Modul-modul ini mencakup arsitektur model ML tingkat lanjut.

Pengantar prinsip-prinsip dasar arsitektur jaringan neural, termasuk perceptron, lapisan tersembunyi, dan fungsi aktivasi.
Pelajari bagaimana embeddings memungkinkan Anda melakukan machine learning pada vektor fitur besar.
Baru
Pengantar model bahasa besar, dari token hingga Transformer. Pelajari dasar-dasar cara LLM belajar memprediksi output teks, serta cara LLM dirancang dan dilatih.

ML di dunia nyata

Modul-modul ini mencakup pertimbangan penting saat membangun dan men-deploy model ML di dunia nyata, termasuk praktik terbaik produksi, otomatisasi, dan responsible engineering.

Pelajari cara kerja sistem produksi machine learning di berbagai komponen.
Baru
Pelajari prinsip dan praktik terbaik untuk menggunakan machine learning otomatis.
Pelajari prinsip dan praktik terbaik untuk mengaudit model ML demi keadilan, termasuk strategi untuk mengidentifikasi dan mengurangi bias dalam data.