آموزش چگونه Google یادگیری ماشینی را انجام می دهد

مقدمه ای بر دوره Introduction to Course

• مقدمه ای بر تخصص Introduction to Specialization

• چرا گوگل؟ Why Google?

• چرا Google Cloud؟ Why Google Cloud?

• خواندن: آخرین نسخه از Google Reading: Latest from Google

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

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

• دو مرحله 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 ابتکاری Replacing Heuristic Rules

• مدل های از قبل 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 هوش ویدئو Video intelligence API

• متن تبدیل به گفتار API Text-to-Speech API

• ترجمه و NL4 Translation and NL4

• متن به گفتار Text to Speech

• DialogFlow DialogFlow

• Lab Intro: معرفی ML API های آموزش دیده Lab Intro: Pretrained ML APIs Intro

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

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

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

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

• یک استراتژی داده A data strategy

• آموزش و سرو کجی Training and serving skew

• مراحل آموزش ML ML Training Phases

• مقدمه آزمایشگاه - تنظیم یک مشکل ML Lab Intro - Framing an ML Problem

• Lab Debrief: قاب بندی یک مشکل ML Lab Debrief: Framing an ML problem

• نسخه ی نمایشی: ML در برنامه های کاربردی Demo: ML in applications

• خواندن: معنی آن این است که ابتدا هوش مصنوعی باشید 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 متحول کنید Transform your business

• Lab Intro - مورد استفاده از ML Lab Intro - ML use case

• مقدمه Introduction

• ML سورپرایز 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 معیارهای ورود به سیستم Evaluating Metrics for Inclusion

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

• برابری فرصت Equality of Opportunity

• شبیه سازی تصمیمات Simulating Decisions

• یافتن خطاها در مجموعه داده خود با استفاده از Facets 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 بستر های نرم افزاری AI AI Platform Notebooks

• خواندن: نوت بوک های بستر های نرم افزاری AI Reading: AI Platform Notebooks

• نوت بوک های سیستم عامل AI نسخه ی نمایشی Demo AI Platform Notebooks

• روند توسعه Development process

• محاسبه 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 AI Platform Notebooks و BigQuery Lab: Analyzing data using AI Platform Notebooks and BigQuery

• Lab Debrief تجزیه و تحلیل داده ها با استفاده از AI Platform Notebooks 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: همه س Quالات و پاسخ های مسابقه Reading: All Quiz Questions and Answers

• خواندن: همه مطالب دوره Reading: All Course Readings