หลักสูตรเร่งรัดเกี่ยวกับแมชชีนเลิร์นนิง

บทนำเกี่ยวกับแมชชีนเลิร์นนิงที่รวดเร็วและนำไปใช้ได้จริงของ Google โดยมีชุดบทเรียนพร้อมการบรรยายในรูปแบบวิดีโอ การแสดงภาพแบบอินเทอร์แอกทีฟ และแบบฝึกหัดเชิงปฏิบัติ
เริ่มหลักสูตรข้อขัดข้อง เรียกดูโมดูลของหลักสูตร ดูข้อกำหนดเบื้องต้น
ตั้งแต่ปี 2018 เป็นต้นมา ผู้คนนับล้านทั่วโลกอาศัยแมชชีนเลิร์นนิงใน Crash Course เพื่อเรียนรู้วิธีการทำงานของแมชชีนเลิร์นนิง และดูว่าแมชชีนเลิร์นนิงช่วยอะไรได้บ้าง เรายินดีที่จะประกาศเปิดตัว MLCC เวอร์ชันใหม่ที่ครอบคลุมความก้าวหน้าล่าสุดของ AI โดยมุ่งเน้นที่การเรียนรู้แบบอินเทอร์แอกทีฟมากขึ้น ดูวิดีโอนี้เพื่อดูข้อมูลเพิ่มเติมเกี่ยวกับ MLCC ที่ปรับปรุงใหม่

โมดูลหลักสูตร

โมดูลหลักสูตรสั้นๆ เกี่ยวกับแมชชีนเลิร์นนิงแต่ละรายการจะทำงานในตัวเอง ดังนั้นหากมีประสบการณ์ด้านแมชชีนเลิร์นนิงมาก่อน ก็ข้ามไปยังหัวข้อที่ต้องการเรียนรู้ได้โดยตรง หากคุณเพิ่งเริ่มใช้แมชชีนเลิร์นนิง เราขอแนะนำให้ศึกษาโมดูลต่างๆ ตามลำดับด้านล่าง

โมเดล ML

โมดูลเหล่านี้ครอบคลุมพื้นฐานของการสร้างการถดถอยและการแยกประเภท

ความรู้เบื้องต้นเกี่ยวกับการถดถอยเชิงเส้น ครอบคลุมโมเดลเชิงเส้น การสูญเสีย การไล่ระดับสีลง และการปรับแต่งไฮเปอร์พารามิเตอร์
ข้อมูลเบื้องต้นเกี่ยวกับการถดถอยแบบโลจิสติกส์ โดยโมเดล ML ได้รับการออกแบบมาเพื่อคาดการณ์ความน่าจะเป็นของผลลัพธ์ที่ระบุ
ความรู้เบื้องต้นเกี่ยวกับโมเดลการจัดประเภทแบบไบนารี ซึ่งครอบคลุมการกำหนดเกณฑ์ เมทริกซ์ความสับสน และเมตริกต่างๆ เช่น ความแม่นยำ ความแม่นยำ ความอ่อนไหว และ AUC

ข้อมูล

โมดูลเหล่านี้ครอบคลุมเทคนิคพื้นฐานและแนวทางปฏิบัติแนะนำสำหรับการทำงานกับข้อมูลแมชชีนเลิร์นนิง

เรียนรู้วิธีวิเคราะห์และเปลี่ยนรูปแบบข้อมูลตัวเลขเพื่อช่วยฝึกโมเดล ML อย่างมีประสิทธิภาพมากขึ้น
เรียนรู้หลักพื้นฐานของการทำงานกับข้อมูลเชิงกลุ่ม: วิธีแยกข้อมูลเชิงกลุ่มออกจากข้อมูลเชิงตัวเลข วิธีแสดงข้อมูลเชิงกลุ่มเป็นตัวเลขโดยใช้การเข้ารหัสแบบคลิกเดียว การแฮชฟีเจอร์ และการเข้ารหัสค่าเฉลี่ย และวิธีใช้งานข้ามฟีเจอร์
ข้อมูลเบื้องต้นเกี่ยวกับลักษณะของชุดข้อมูลแมชชีนเลิร์นนิง และวิธีเตรียมข้อมูลเพื่อให้ได้ผลลัพธ์ที่มีคุณภาพสูงเมื่อฝึกและประเมินโมเดล

โมเดล ML ขั้นสูง

โมดูลเหล่านี้ครอบคลุมสถาปัตยกรรมโมเดล ML ขั้นสูง

ข้อมูลเบื้องต้นเกี่ยวกับหลักการพื้นฐานของสถาปัตยกรรมโครงข่ายประสาท รวมถึงเพอร์เซปตัน เลเยอร์ที่ซ่อนอยู่ และฟังก์ชันการเปิดใช้งาน
ดูว่าการฝังช่วยให้คุณใช้แมชชีนเลิร์นนิงบนเวกเตอร์ฟีเจอร์ขนาดใหญ่ได้อย่างไร
ใหม่
ความรู้เบื้องต้นเกี่ยวกับโมเดลภาษาขนาดใหญ่ ตั้งแต่โทเค็นไปจนถึง Transformers ดูข้อมูลพื้นฐานเกี่ยวกับวิธีที่ LLM เรียนรู้วิธีการคาดการณ์เอาต์พุตข้อความ รวมถึงวิธีการออกแบบและฝึกการทำงานของ LLM

ML ในชีวิตจริง

โมดูลเหล่านี้ครอบคลุมข้อควรพิจารณาที่สำคัญเมื่อสร้างและทำให้โมเดล ML ใช้งานได้ในชีวิตจริง รวมถึงแนวทางปฏิบัติแนะนำในการสร้างการผลิต การทำงานอัตโนมัติ และวิศวกรรมที่มีความรับผิดชอบ

ดูวิธีการทํางานของระบบการผลิตของแมชชีนเลิร์นนิงในกลุ่มต่างๆ
ใหม่
เรียนรู้หลักการและแนวทางปฏิบัติแนะนำสำหรับการใช้แมชชีนเลิร์นนิงอัตโนมัติ
ดูหลักการและแนวทางปฏิบัติแนะนำสำหรับการตรวจสอบโมเดล ML เพื่อความเป็นธรรม รวมถึงกลยุทธ์ในการระบุและลดอคติในข้อมูล