Kursus Singkat Machine Learning

Pengantar praktis dan bertempo cepat dari Google tentang machine learning, yang menampilkan serangkaian video animasi, visualisasi interaktif, dan latihan praktik langsung.
Mulai Kursus Singkat Menjelajahi modul kursus Melihat prasyarat Pusat Bantuan
Sejak 2018, jutaan orang di seluruh dunia telah mengandalkan Kursus Singkat Machine Learning untuk mempelajari cara kerja machine learning, dan cara machine learning dapat bermanfaat bagi mereka. Dengan senang hati kami umumkan peluncuran MLCC versi baru yang mencakup kemajuan terbaru dalam AI, dengan peningkatan fokus pada pembelajaran interaktif. Tonton video ini untuk mempelajari MLCC baru dan lebih baik lebih lanjut.

Modul Kursus

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

Model ML

Modul ini membahas dasar-dasar pembuatan model regresi dan klasifikasi.

Pengantar regresi linear, yang mencakup model linear, loss, gradient descent, dan penyesuaian hyperparameter.
Pengantar regresi logistik, tempat model ML dirancang untuk memprediksi probabilitas hasil tertentu.
Pengantar model klasifikasi biner, yang mencakup penetapan nilai minimum, matriks konfusi, dan metrik seperti akurasi, presisi, perolehan, dan AUC.

Data

Modul ini membahas teknik dasar dan praktik terbaik untuk menggunakan data machine learning.

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

Model ML lanjutan

Modul ini mencakup arsitektur model ML lanjutan.

Pengantar prinsip-prinsip dasar arsitektur jaringan saraf, termasuk perceptron, lapisan tersembunyi, dan fungsi aktivasi.
Pelajari cara penyematan memungkinkan Anda melakukan machine learning pada vektor fitur yang besar.
Baru
Pengantar model bahasa besar, dari token hingga Transformer. Pelajari dasar-dasar cara LLM mempelajari prediksi output teks, serta cara LLM dirancang dan dilatih.

ML di dunia nyata

Modul ini membahas pertimbangan penting saat membuat dan men-deploy model ML di dunia nyata, termasuk praktik terbaik produksi, otomatisasi, dan engineering yang bertanggung jawab.

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 keadilan model ML, termasuk strategi untuk mengidentifikasi dan mengurangi bias dalam data.