منابع ML
با مجموعه‌ها، منظم بمانید
ذخیره و طبقه‌بندی محتوا براساس اولویت‌های شما.
توسعه ML مستلزم استفاده از انواع ابزارها و چارچوب‌های دائماً در حال تکامل است. ابزارهای جدید ML همچنان به ظهور می‌رسند زیرا روش‌هایی برای مدیریت انواع داده‌های پیچیده، پیشرفت‌ها در سخت‌افزار و تکنیک‌های هماهنگ‌سازی خطوط لوله همچنان در حال توسعه هستند.
در نتیجه، شرکت‌ها، سازمان‌ها و تیم‌ها راه‌حل‌های ML را با استفاده از ابزارها و چارچوب‌های مختلف پیاده‌سازی می‌کنند که احتمالاً در طول زمان تغییر می‌کنند.
در حالی که چارچوب‌های رایج و بهترین شیوه‌ها در حال ظهور هستند، به خاطر داشته باشید که ماهیت مشکل خاص شما ممکن است در موارد خاصی نیاز به راه‌حل‌های سفارشی داشته باشد. بخش‌های زیر پیوندهایی به منابع برای شروع توسعه ML و AI ارائه می‌کنند.
بعدش چی
با کاوش در دوره‌های دیگر در developers.google.com/machine-learning ، به آموزش ML خود ادامه دهید.
،
توسعه ML مستلزم استفاده از انواع ابزارها و چارچوب‌های دائماً در حال تکامل است. ابزارهای جدید ML همچنان به ظهور می‌رسند زیرا روش‌هایی برای مدیریت انواع داده‌های پیچیده، پیشرفت‌ها در سخت‌افزار و تکنیک‌های هماهنگ‌سازی خطوط لوله همچنان در حال توسعه هستند.
در نتیجه، شرکت‌ها، سازمان‌ها و تیم‌ها راه‌حل‌های ML را با استفاده از ابزارها و چارچوب‌های مختلف پیاده‌سازی می‌کنند که احتمالاً در طول زمان تغییر می‌کنند.
در حالی که چارچوب‌های رایج و بهترین شیوه‌ها در حال ظهور هستند، به خاطر داشته باشید که ماهیت مشکل خاص شما ممکن است در موارد خاصی نیاز به راه‌حل‌های سفارشی داشته باشد. بخش‌های زیر پیوندهایی به منابع برای شروع توسعه ML و AI ارائه می‌کنند.
بعدش چی
با کاوش در دوره‌های دیگر در developers.google.com/machine-learning ، به آموزش ML خود ادامه دهید.
جز در مواردی که غیر از این ذکر شده باشد،محتوای این صفحه تحت مجوز Creative Commons Attribution 4.0 License است. نمونه کدها نیز دارای مجوز Apache 2.0 License است. برای اطلاع از جزئیات، به خطمشیهای سایت Google Developers مراجعه کنید. جاوا علامت تجاری ثبتشده Oracle و/یا شرکتهای وابسته به آن است.
تاریخ آخرین بهروزرسانی 2025-07-29 بهوقت ساعت هماهنگ جهانی.
[null,null,["تاریخ آخرین بهروزرسانی 2025-07-29 بهوقت ساعت هماهنگ جهانی."],[[["\u003cp\u003eMachine learning (ML) development involves the use of various evolving tools and frameworks, leading to diverse implementation approaches across different entities.\u003c/p\u003e\n"],["\u003cp\u003eWhile common practices are emerging in ML, custom solutions may be necessary depending on the specific problem.\u003c/p\u003e\n"],["\u003cp\u003eGoogle provides resources for ML development, including tools and frameworks, as well as a community for sharing models and datasets.\u003c/p\u003e\n"],["\u003cp\u003eFurther learning opportunities are available through Google's machine learning courses.\u003c/p\u003e\n"]]],[],null,["# ML resources\n\nML development requires using a variety of constantly\nevolving tools and frameworks. New ML tools continue to emerge as ways to handle\ncomplex data types, advances in hardware, and techniques for orchestrating\npipelines continue to develop.\nAs a result, companies, organizations, and teams implement ML solutions using different tools and frameworks, which likely change over time.\n\n\u003cbr /\u003e\n\nWhile common frameworks and best practices are emerging, keep in mind that the\nnature of your particular problem might require custom solutions in certain\ncases. The following sections provide links to resources for getting started\nwith ML and AI development.\n\n- Tools and frameworks for building ML and AI applications and products:\n\n - [developers.google.com/focus/ai-development](https://developers.google.com/focus/ai-development)\n - [ai.google/build](https://ai.google/build)\n- AI and ML community for sharing ML models and datasets:\n\n - [Kaggle](https://kaggle.com)\n\nWhat's next\n-----------\n\nContinue your ML education by exploring other courses at\n[developers.google.com/machine-learning](https://developers.google.com/machine-learning/)."]]
