หลักสูตรพื้นฐาน
หลักสูตรพื้นฐานครอบคลุมพื้นฐานแมชชีนเลิร์นนิงและแนวคิดหลัก
เราแนะนําให้เรียงลําดับตามด้านล่างนี้
หลักสูตรเร่งรัดเกี่ยวกับแมชชีนเลิร์นนิง
หลักสูตรเชิงปฏิบัติเพื่อสํารวจข้อมูลพื้นฐานที่สําคัญของแมชชีนเลิร์นนิง
การจัดเตรียมข้อมูลและวิศวกรรมฟีเจอร์
ข้อมูลเบื้องต้นเกี่ยวกับการเตรียมข้อมูลสําหรับเวิร์กโฟลว์ ML
การทดสอบและการแก้ไขข้อบกพร่อง
กลยุทธ์สําหรับการทดสอบและแก้ไขข้อบกพร่องของโมเดลแมชชีนเลิร์นนิงและไปป์ไลน์
สํารวจหลักสูตรขั้นสูง
เรียนหลักสูตร ML เพิ่มเติมเพื่อเพิ่มพูนความรู้และทักษะ
หลักสูตรขั้นสูง
หลักสูตรขั้นสูงจะสอนเครื่องมือและเทคนิคในการแก้ปัญหาแมชชีนเลิร์นนิงที่หลากหลาย
หลักสูตรมีโครงสร้างที่เป็นอิสระจากกัน ดําเนินการกับคําถามตามความสนใจหรือโดเมนที่เป็นปัญหา
ระบบแนะนํา
ระบบคําแนะนําจะสร้างคําแนะนําที่ปรับเปลี่ยนในแบบของคุณ
การคลัสเตอร์
การจัดกลุ่มเป็นกลยุทธ์แมชชีนเลิร์นนิงที่สําคัญที่ไม่มีการควบคุมดูแลเพื่อเชื่อมโยงรายการที่เกี่ยวข้อง
เครือข่ายโฆษณาในการผลิตเนื้อหา
GAN จะสร้างอินสแตนซ์ข้อมูลใหม่ที่คล้ายกับข้อมูลการฝึก
การจัดประเภทอิมเมจ
รูปแมวหรือรูปสุนัข
ความเป็นธรรมใน Perspective API
แบบฝึกหัดแก้ปัญหาเกี่ยวกับความยุติธรรมที่เหมาะสม
คำแนะนำ
คําแนะนําของเราเป็นคําแนะนําทีละขั้นตอนสําหรับการแก้ปัญหาทั่วไปเกี่ยวกับแมชชีนเลิร์นนิงโดยใช้แนวทางปฏิบัติแนะนํา
กฎของ ML
มาเป็นวิศวกรแมชชีนเลิร์นนิงที่ดีขึ้นได้โดยทําตามแนวทางปฏิบัติแนะนําของแมชชีนเลิร์นนิงเหล่านี้ที่ Google
คู่มือสําหรับบุคคล + คู่มือ AI
คู่มือนี้จะช่วย UXers, PM และนักพัฒนาซอฟต์แวร์ทํางานร่วมกันผ่านหัวข้อและคําถามเกี่ยวกับการออกแบบ AI
การจัดประเภทข้อความ
คําแนะนําที่ครอบคลุมนี้ให้คําแนะนําการแก้ปัญหาการจัดประเภทข้อความโดยใช้แมชชีนเลิร์นนิง
การวิเคราะห์ข้อมูลที่ดี
คู่มือนี้อธิบายกลวิธีที่นักวิเคราะห์ข้อมูลผู้เชี่ยวชาญใช้เพื่อประเมินชุดข้อมูลขนาดใหญ่ในปัญหาด้านแมชชีนเลิร์นนิง
Playbook การปรับแต่งการเรียนรู้เชิงลึก
คู่มือนี้จะอธิบายวิธีทางวิทยาศาสตร์ในการเพิ่มประสิทธิภาพการฝึกอบรมของโมเดลการเรียนรู้เชิงลึก
อภิธานศัพท์
อภิธานศัพท์จะเป็นตัวกําหนดคําศัพท์เกี่ยวกับแมชชีนเลิร์นนิง
