آموزش Google چگونه یادگیری ماشین را دارد - آخرین آپدیت

مقدمه ای بر دوره Introduction to Course

• مقدمه ای برای تخصص Introduction to Specialization

• چرا گوگل؟ Why Google?

• چرا Google Cloud؟ Why Google Cloud?

• خواندن: آخرین از Google Reading: Latest from Google

ابتدا هوش مصنوعی بودن یعنی چه What it means to be AI first

• به معنای اول بودن بودن What it means to be AI first

• دو مرحله از ML Two stages of ML

• ML در محصولات Google ML in Google products

• ML در Google Photos ML in Google Photos

• Google Translate و Gmail Google Translate and Gmail

• جایگزینی قوانین اکتشافی Replacing Heuristic Rules

• مدلهای از پیش آموزش دیده Pre-trained models

• یادگیری ماشین با سارا رابینسون (ML ، نه قوانین) Machine Learning with Sara Robinson (ML, not rules)

• Vision API در عمل Vision API in action

• API اطلاعات ویدیویی Video intelligence API

• API متن به گفتار Text-to-Speech API

• ترجمه و NL4 Translation and NL4

• متن به گفتار Text to Speech

• جریان گفتگو DialogFlow

• مقدمه آزمایشگاه: APIS ML مقدماتی Lab Intro: Pretrained ML APIs Intro

• شروع با GCP و Qwiklabs Getting Started With GCP And Qwiklabs

• آزمایشگاه: فراخوانی API های یادگیری ماشین Lab: Invoking Machine Learning APIs

• راه حل آزمایشگاه استناد به API های یادگیری ماشین Lab Solution Invoking Machine Learning APIs

• همه چیز در مورد داده ها است It's all about data

• یک استراتژی داده A data strategy

• آموزش و خدمت به پوست Training and serving skew

• مراحل آموزش ML ML Training Phases

• معرفی آزمایشگاه - فریم یک مشکل ML Lab Intro - Framing an ML Problem

• Debriff Lab: فریم کردن یک مشکل ML Lab Debrief: Framing an ML problem

• نسخه ی نمایشی: ML در برنامه ها Demo: ML in applications

• خواندن: منظور از این بودن در ابتدا چیست Reading: What it Means to be AI First

چگونه Google ML را انجام می دهد How Google does ML

• یک استراتژی ML An ML strategy

• تجارت خود را تغییر دهید Transform your business

• معرفی آزمایشگاه - مورد استفاده ML Lab Intro - ML use case

• مقدمه Introduction

• تعجب ML ML Surprise

• سس مخفی The secret sauce

• ML و فرآیندهای تجاری ML and Business Processes

• پایان مراحل غواصی عمیق End of phases deep dive

• خواندن: Google چگونه ML را انجام می دهد Reading: How Google does ML

ML فراگیر Inclusive ML

• یادگیری ماشین و تعصب انسانی Machine Learning and Human Bias

• ارزیابی معیارها برای گنجاندن Evaluating Metrics for Inclusion

• اندازه گیری های آماری و تجارت قابل قبول Statistical Measurements and acceptable tradeoffs

• برابری فرصت Equality of Opportunity

• تصمیمات شبیه سازی Simulating Decisions

• یافتن خطاها در مجموعه داده خود با استفاده از جنبه ها Finding Errors in your dataset using Facets

• خواندن: ML فراگیر Reading: Inclusive ML

نوت بوک های پایتون در ابر Python Notebooks in the Cloud

• مقدمه Introduction

• نوت بوک های سیستم عامل AI AI Platform Notebooks

• خواندن: نوت بوک های سیستم عامل AI Reading: AI Platform Notebooks

• نوت بوک های Platform Demo AI Demo AI Platform Notebooks

• روند توسعه Development process

• محاسبات و ذخیره سازی Computation and storage

• آزمایشگاه: تجزیه و تحلیل داده ها با استفاده از AI Platform Notebooks و BigQuery Lab: Analyzing data using AI Platform Notebooks and BigQuery

• آزمایشگاه: تجزیه و تحلیل داده ها با استفاده از نوت بوک های پلت فرم AI و BigQuery Lab: Analyzing data using AI Platform Notebooks and BigQuery

• آزمایشگاه آزمایشگاه تجزیه و تحلیل داده ها با استفاده از نوت بوک های پلت فرم AI و BigQuery Lab Debrief Analyzing data using AI Platform Notebooks and BigQuery

• خواندن: نوت بوک های پایتون در ابر Reading: Python Notebooks in the Cloud

خلاصه Summary

• خلاصه دوره Course Summary

• خواندن: تمام سوالات و پاسخ های مسابقه Reading: All Quiz Questions and Answers

• خواندن: تمام قرائت های دوره Reading: All Course Readings