دوره تصادف یادگیری ماشین، دوره تصادف یادگیری ماشین

مقدمه سریع و عملی Google برای یادگیری ماشینی، شامل مجموعه ای از درس ها با سخنرانی های ویدیویی، تجسم های تعاملی، و تمرین های عملی.
شروع دوره Crash ماژول های دوره را مرور کنید مشاهده پیش نیازها مرکز کمک
از سال 2018، میلیون‌ها نفر در سرتاسر جهان برای یادگیری نحوه عملکرد یادگیری ماشین و نحوه عملکرد یادگیری ماشینی برای آنها، به دوره آموزشی تصادفی یادگیری ماشین اعتماد کرده‌اند. ما خوشحالیم که راه اندازی نسخه به روز شده MLCC را اعلام کنیم که پیشرفت های اخیر در هوش مصنوعی را با تمرکز بیشتر بر یادگیری تعاملی پوشش می دهد. برای کسب اطلاعات بیشتر در مورد MLCC جدید و بهبود یافته، این ویدیو را تماشا کنید.

ماژول های دوره

هر ماژول دوره‌های آموزشی تصادفی یادگیری ماشین مستقل است، بنابراین اگر تجربه قبلی در یادگیری ماشین دارید، می‌توانید مستقیماً به موضوعاتی که می‌خواهید یاد بگیرید بروید. اگر در یادگیری ماشینی تازه کار هستید، توصیه می کنیم ماژول ها را به ترتیب زیر تکمیل کنید.

مدل های ML

این ماژول ها اصول رگرسیون ساختمانی و مدل های طبقه بندی را پوشش می دهند.

مقدمه‌ای بر رگرسیون خطی، پوشش مدل‌های خطی، افت، نزول گرادیان و تنظیم فراپارامتر.
مقدمه ای بر رگرسیون لجستیک، که در آن مدل های ML برای پیش بینی احتمال یک نتیجه معین طراحی شده اند.
مقدمه‌ای بر مدل‌های طبقه‌بندی باینری، پوشش آستانه، ماتریس‌های سردرگمی، و معیارهایی مانند دقت، دقت، فراخوان و AUC.

داده ها

این ماژول ها تکنیک های اساسی و بهترین شیوه ها برای کار با داده های یادگیری ماشین را پوشش می دهند.

نحوه تجزیه و تحلیل و تبدیل داده های عددی را بیاموزید تا به آموزش موثرتر مدل های ML کمک کنید.
اصول کار با داده های طبقه بندی را بیاموزید: نحوه تشخیص داده های طبقه بندی شده از داده های عددی. نحوه نمایش داده های دسته بندی به صورت عددی با استفاده از رمزگذاری یکباره، هش کردن ویژگی ها و رمزگذاری میانگین. و نحوه اجرای ضربدرهای ویژگی.
مقدمه‌ای بر ویژگی‌های مجموعه داده‌های یادگیری ماشین، و نحوه آماده‌سازی داده‌های خود برای اطمینان از نتایج با کیفیت بالا هنگام آموزش و ارزیابی مدل خود.

مدل های پیشرفته ML

این ماژول ها معماری های پیشرفته مدل ML را پوشش می دهند.

مقدمه ای بر اصول اساسی معماری شبکه های عصبی، از جمله پرسپترون ها، لایه های پنهان و توابع فعال سازی.
بیاموزید که چگونه جاسازی‌ها به شما امکان می‌دهند یادگیری ماشینی را روی بردارهای ویژگی بزرگ انجام دهید.
جدید
مقدمه‌ای بر مدل‌های زبان بزرگ، از توکن‌ها تا Transformers. اصول اولیه نحوه یادگیری پیش بینی خروجی متن توسط LLMها و همچنین نحوه معماری و آموزش آنها را بیاموزید.

ML دنیای واقعی

این ماژول ها ملاحظات حیاتی را هنگام ساخت و استقرار مدل های ML در دنیای واقعی پوشش می دهند، از جمله بهترین شیوه های تولید، اتوماسیون و مهندسی مسئول.

بیاموزید که چگونه یک سیستم تولید یادگیری ماشینی در وسعت اجزاء کار می کند.
جدید
اصول و بهترین شیوه های استفاده از یادگیری ماشینی خودکار را بیاموزید.
اصول و بهترین شیوه‌های حسابرسی مدل‌های ML را برای انصاف، از جمله استراتژی‌هایی برای شناسایی و کاهش تعصب در داده‌ها، بیاموزید.