Machine Learning Crash Course

La rapida introduzione al machine learning di Google, Machine Learning Crash Course, comprende una serie di video animati, visualizzazioni interattive ed esercitazioni pratiche.
Inizia il corso intensivo Sfogliare i moduli del corso Visualizza prerequisiti Centro assistenza
Dal 2018, milioni di persone in tutto il mondo si sono affidate a Machine Learning Crash Course per scoprire come funziona il machine learning e come può essere utile per loro. Siamo lieti di annunciare il lancio di una versione aggiornata del Centro didattico sul machine learning che copre i recenti progressi dell'IA, con un'attenzione maggiore all'apprendimento interattivo. Guarda questo video per scoprire di più sul nuovo e migliorato MLCC.

Moduli del corso

Ogni modulo di Machine Learning Crash Course è autonomo, quindi se hai già esperienza in questo campo, puoi passare direttamente agli argomenti che vuoi approfondire. Se non hai mai utilizzato il machine learning, ti consigliamo di completare i moduli nell'ordine indicato di seguito.

Modelli ML

Questi moduli trattano i concetti fondamentali per la creazione di modelli di regressione e classificazione.

Un'introduzione alla regressione lineare che copre 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 determinato risultato.
Un'introduzione ai modelli di classificazione binari, che tratta la soglia, le matrici di confusione e metriche come accuratezza, precisione, richiamo e AUC.

Dati

Questi moduli trattano tecniche fondamentali e best practice per lavorare con i dati di machine learning.

Scopri come analizzare e trasformare i dati numerici per addestrare i modelli ML in modo più efficace.
Scopri le nozioni di base per lavorare con i dati categorici: come distinguere i dati categorici da quelli numerici, come rappresentare i dati categorici in modo numerico 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 architetture di modelli ML avanzate.

Un'introduzione ai principi fondamentali delle architetture di reti neurali, inclusi perceptron, livelli nascosti e funzioni di attivazione.
Scopri in che modo gli embedding ti consentono di eseguire il machine learning su vettori di funzionalità di grandi dimensioni.
Nuovo
Un'introduzione ai modelli linguistici di grandi dimensioni, dai token ai Transformers. Scopri le nozioni di base su come gli LLM imparano a prevedere l'output di testo, nonché come vengono progettati e addestrati.

ML nel mondo reale

Questi moduli trattano considerazioni fondamentali per la creazione e il deployment di modelli di ML nel mondo reale, tra cui best practice per la produzione, automazione e 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 automatico.
Scopri i principi e le best practice per verificare l'equità dei modelli di ML, incluse le strategie per identificare e mitigare i bias nei dati.