基础课程

基础知识课程介绍了机器学习基础知识和核心概念。

建议您按照以下顺序操作。

简要介绍机器学习。
探索机器学习关键基础知识的实操课程。
帮助您将现实问题映射到机器学习解决方案的课程。
介绍如何为机器学习工作流准备数据。
用于测试和调试机器学习模型和流水线的策略。
参加更多机器学习课程,提高您的知识和技能。

高级课程

这些高级课程将介绍各种工具和技术来解决各种机器学习问题。

这些课程由多个独立结构组成。请根据兴趣或有问题的领域加以确定。

决策森林是神经网络的替代方案。
推荐系统会生成个性化建议。
聚类是一种重要的非监督式机器学习策略,可用于关联相关项。
强化学习技巧简介。
GAN 会创建类似于您的训练数据的新数据实例。
这是一张猫的图片,还是一只狗?
公平性调试练习。
使用决策树区分高质量视频和低质量视频。
使用非监督式学习和半监督式学习来识别类似应用。

指南

我们的指南提供了简单的分步演示,介绍了如何利用最佳做法解决常见的机器学习问题。
遵循 Google 的这些机器学习最佳做法,成为更出色的机器学习工程师。
本指南可帮助用户体验设计人员、产品经理和开发者协作处理 AI 设计主题和问题。
本综合指南详细介绍了如何使用机器学习解决文本分类问题。
本指南介绍了专家数据分析师用于评估机器学习问题中的大型数据集的技巧。
本指南将介绍优化深度学习模型训练的科学方法。

术语表

术语表定义了机器学习术语。
机器学习基本术语和定义。
决策森林关键术语和定义。
将关键术语和定义聚类。
包含所有术语表的完整术语表。