Khoá học máy học ứng dụng

Google cung cấp phần giới thiệu thực tế và tốc độ nhanh về công nghệ học máy, trong đó có một loạt bài học với các bài giảng dạng video, hình ảnh trực quan có tính tương tác và bài tập thực hành thực hành.
Bắt đầu khoá học cấp tốc Duyệt xem các mô-đun khoá học Xem điều kiện tiên quyết
Kể từ năm 2018, hàng triệu người trên toàn thế giới đã sử dụng Khoá học nhanh về công nghệ học máy để tìm hiểu cách hoạt động của công nghệ học máy và cách công nghệ này có thể hỗ trợ những công nghệ này. Chúng tôi vui mừng thông báo về việc ra mắt một phiên bản mới của MLCC, bao gồm những tiến bộ gần đây về AI, chú trọng hơn vào hoạt động học tập tương tác. Xem video này để tìm hiểu thêm về MLCC mới và đang được cải tiến.

Mô-đun khoá học

Mỗi mô-đun của Khoá học cấp tốc về máy học đều độc lập. Vì vậy, nếu đã có kinh nghiệm về công nghệ học máy, bạn có thể chuyển thẳng đến các chủ đề mà mình muốn tìm hiểu. Nếu mới sử dụng công nghệ học máy, bạn nên hoàn thành các mô-đun theo thứ tự bên dưới.

Mô hình học máy

Các mô-đun này trình bày các nguyên tắc cơ bản về việc xây dựng phương pháp hồi quy và phân loại người mẫu.

Giới thiệu về hồi quy tuyến tính, bao gồm các mô hình tuyến tính, tình trạng mất mát, giảm độ dốc và điều chỉnh siêu thông số.
Giới thiệu về hồi quy logistic, trong đó các mô hình học máy được thiết kế để dự đoán xác suất của một kết quả nhất định.
Giới thiệu về các mô hình phân loại nhị phân, bao gồm ngưỡng, ma trận nhầm lẫn và các chỉ số như độ chính xác, độ chính xác, thu hồi và AUC.

Dữ liệu

Những học phần này đề cập đến các kỹ thuật cơ bản và các phương pháp hay nhất để làm việc với dữ liệu học máy.

Tìm hiểu cách phân tích và biến đổi dữ liệu số để giúp huấn luyện các mô hình học máy hiệu quả hơn.
Tìm hiểu các nguyên tắc cơ bản về cách làm việc với dữ liệu phân loại: cách phân biệt dữ liệu phân loại với dữ liệu số; cách biểu diễn dữ liệu phân loại bằng số bằng phương thức mã hoá một lần, băm tính năng và mã hoá trung bình; và cách thực hiện các phép so sánh đối tượng.
Giới thiệu về các đặc điểm của tập dữ liệu học máy và cách chuẩn bị dữ liệu để đảm bảo có kết quả chất lượng cao khi huấn luyện và đánh giá mô hình.

Mô hình học máy tiên tiến

Các mô-đun này đề cập đến cấu trúc mô hình học máy nâng cao.

Giới thiệu về các nguyên tắc cơ bản của kiến trúc mạng nơron, trong đó có nhận biết, lớp ẩn và hàm kích hoạt.
Tìm hiểu cách tính năng nhúng giúp bạn học máy trên các vectơ của đối tượng lớn.
Mới
Giới thiệu về các mô hình ngôn ngữ lớn, từ mã thông báo cho đến Transformer. Tìm hiểu kiến thức cơ bản về cách các LLM học cách dự đoán đầu ra văn bản cũng như cách các LLM được kiến trúc và huấn luyện.

Công nghệ học máy thực tế

Những mô-đun này đề cập đến những yếu tố quan trọng cần cân nhắc khi xây dựng và triển khai các mô hình học máy trong thế giới thực, bao gồm cả các phương pháp hay nhất để sản xuất, tự động hoá và kỹ thuật có trách nhiệm.

Tìm hiểu cách một hệ thống sản xuất bằng công nghệ học máy hoạt động trên nhiều thành phần.
Mới
Tìm hiểu các nguyên tắc và phương pháp hay nhất để sử dụng công nghệ học máy tự động.
Tìm hiểu các nguyên tắc và phương pháp hay nhất để kiểm tra tính công bằng của các mô hình học máy, bao gồm cả các chiến lược để xác định và giảm thiểu sai lệch trong dữ liệu.