آموزش گوگل چگونه یادگیری ماشینی را انجام می دهد

مقدمه ای بر دوره و سری Introduction to Course and Series

• پیش نمایش سری دوره Course series preview

• معرفی دوره Course introduction

اولین هوش مصنوعی بودن به چه معناست What It Means to be AI-First

• مقدمه Introduction

• ML چیست؟ What is ML?

• چه نوع مشکلاتی را می تواند حل کند؟ What kinds of problems can it solve?

• مقدمه فعالیت: قاب بندی یک مشکل یادگیری ماشینی Activity intro: Framing a machine learning problem

• فعالیت: قاب بندی یک مشکل یادگیری ماشینی Activity: Framing a machine learning problem

• راه حل های فعالیت: قاب بندی یک مشکل یادگیری ماشینی Activity solutions: Framing a machine learning problem

• برنامه های خود را با ML تزریق کنید Infuse your apps with ML

• یک استراتژی داده پیرامون ML بسازید Build a data strategy around ML

• منابع: ابتدا هوش مصنوعی بودن به چه معناست Resources: What It Means to Be AI First

گوگل چگونه ML را انجام می دهد How Google Does ML

• مقدمه Introduction

• تعجب ام ال ML surprise

• سس مخفی The secret sauce

• ML و فرآیندهای تجاری ML and business processes

• مسیر ML The path to ML

• نگاهی دقیق تر به مسیر A closer look at the path

• پایان مراحل شیرجه عمیق End of phases deep dive

• منابع: گوگل چگونه ML را انجام می دهد Resources: How Google Does ML

توسعه یادگیری ماشین با Vertex AI Machine Learning Development with Vertex AI

• مقدمه Introduction

• حرکت از آزمایش به تولید Moving from experimentation to production

• اجزای Vertex AI Components of Vertex AI

• Pluralsight: شروع به کار با GCP و Qwiklabs Pluralsight: Getting Started with GCP and Qwiklabs

• مقدمه آزمایشگاه: استفاده از مجموعه داده تصویر برای آموزش یک مدل AutoML Lab intro: Using an image dataset to train an AutoML model

• دمو آزمایشگاه: استفاده از مجموعه داده تصویر برای آموزش یک مدل AutoML Lab demo: Using an image dataset to train an AutoML model

• آزمایشگاه: استفاده از مجموعه داده تصویر برای آموزش یک مدل AutoML Lab: Using an Image Dataset to Train an AutoML Model

• مقدمه آزمایشگاه: آموزش یک مدل طبقه بندی ویدیویی AutoML Lab intro: Training an AutoML video classification model

• نسخه آزمایشی آزمایشگاه: آموزش یک مدل طبقه بندی ویدیویی AutoML Lab demo: Training an AutoML video classification model

• آزمایشگاه: آموزش یک مدل طبقه بندی ویدیویی AutoML Lab: Training an AutoML Video Classification Model

• ابزارهایی برای تعامل با Vertex AI Tools to interact with Vertex AI

• منابع: توسعه یادگیری ماشین با Vertex AI Resources: Machine Learning Development with Vertex AI

توسعه یادگیری ماشین با نوت بوک های Vertex Machine Learning Development with Vertex Notebooks

• مقدمه Introduction

• توسعه یادگیری ماشین با نوت بوک های Vertex Machine learning development with Vertex Notebooks

• (اختیاری) معرفی آزمایشگاه: Vertex AI Model Builder SDK: آموزش و پیش بینی در یک مدل AutoML (Optional) Lab intro: Vertex AI Model Builder SDK: Training and Making Predictions on an AutoML Model

• (اختیاری) نسخه آزمایشی آزمایشگاهی: Vertex AI Model Builder SDK: آموزش و پیش بینی در یک مدل AutoML (Optional) Lab demo: Vertex AI Model Builder SDK: Training and Making Predictions on an AutoML Model

• آزمایشگاه: Vertex AI Model Builder SDK: آموزش و پیش بینی در یک مدل AutoML Lab: Vertex AI Model Builder SDK: Training and Making Predictions on an AutoML Model

• منابع: توسعه یادگیری ماشین با نوت بوک های Vertex Resources: Machine Learning Development with Vertex Notebooks

بهترین روش ها برای پیاده سازی یادگیری ماشین در Vertex AI Best Practices for Implementing Machine Learning on Vertex AI

• مقدمه Introduction

• بهترین روش ها برای توسعه یادگیری ماشین Best practices for machine learning development

• بهترین شیوه های پیش پردازش داده ها Data preprocessing best practices

• بهترین شیوه ها برای راه اندازی محیط یادگیری ماشین Best practices for machine learning environment setup

توسعه هوش مصنوعی مسئول Responsible AI Development

• مقدمه Introduction

• بررسی اجمالی Overview

• سوگیری های انسانی منجر به سوگیری در مدل های ML می شود Human biases lead to biases in ML models

• سوگیری در داده ها Biases in data

• ارزیابی معیارها با گنجاندن برای سیستم ML شما Evaluating metrics with inclusion for your ML system

• برابری فرصت ها Equality of opportunity

• چگونه با استفاده از Facets خطاها را در مجموعه داده خود پیدا کنید How to find errors in your dataset using Facets

• منابع: توسعه هوش مصنوعی مسئول Resources: Responsible AI Development

خلاصه Summary

• خلاصه Summary

• منبع: تمام سوالات مسابقه Resource: All quiz questions

• منبع: همه مطالب خوانده شده Resource: All readings

• منبع: همه اسلایدها Resource: All slides