Mantieni tutto organizzato con le raccolte
Salva e classifica i contenuti in base alle tue preferenze.
Padroneggia il tuo percorso
Per diventare un esperto di machine learning, devi prima avere solide basi in quattro aree di apprendimento : codifica, matematica, teoria ML e come costruire il tuo progetto ML dall'inizio alla fine.
Inizia con i programmi di studio curati di TensorFlow per migliorare queste quattro competenze oppure scegli il tuo percorso di apprendimento esplorando la nostra libreria di risorse di seguito.
Le quattro aree della formazione sul machine learning
Quando inizi il tuo percorso formativo, è importante capire innanzitutto come apprendere il machine learning. Abbiamo suddiviso il processo di apprendimento in quattro aree di conoscenza, ciascuna delle quali fornisce un pezzo fondamentale del puzzle ML. Per aiutarti nel tuo percorso, abbiamo identificato libri, video e corsi online che miglioreranno le tue capacità e ti prepareranno a utilizzare il machine learning per i tuoi progetti. Inizia con i nostri programmi guidati progettati per aumentare le tue conoscenze o scegli il tuo percorso esplorando la nostra libreria di risorse.
Competenze di codifica: la creazione di modelli ML implica molto di più della semplice conoscenza dei concetti di ML: richiede la codifica per eseguire la gestione dei dati, l'ottimizzazione dei parametri e l'analisi dei risultati necessari per testare e ottimizzare il modello.
Matematica e statistiche: il machine learning è una disciplina ricca di matematica, quindi se prevedi di modificare modelli di machine learning o crearne di nuovi da zero, la familiarità con i concetti matematici sottostanti è fondamentale per il processo.
Teoria ML: conoscere le basi della teoria ML ti fornirà le basi su cui costruire e ti aiuterà a risolvere i problemi quando qualcosa va storto.
Costruisci i tuoi progetti: acquisire esperienza pratica con il machine learning è il modo migliore per mettere alla prova le tue conoscenze, quindi non aver paura di immergerti presto con una semplice collaborazione o un tutorial per fare pratica.
Curriculum TensorFlow
Inizia a imparare con uno dei nostri programmi guidati contenenti corsi, libri e video consigliati.
Impara le basi del machine learning con questa raccolta di libri e corsi online. Ti verrà presentato il machine learning e guidato attraverso il deep learning utilizzando TensorFlow 2.0. Quindi avrai l'opportunità di mettere in pratica ciò che impari con tutorial per principianti.
Una volta comprese le basi dell'apprendimento automatico, porta le tue capacità a un livello superiore approfondendo la comprensione teorica delle reti neurali, del deep learning e migliorando la tua conoscenza dei concetti matematici sottostanti.
Apprendi le nozioni di base sullo sviluppo di modelli di machine learning in JavaScript e come distribuirli direttamente nel browser. Riceverai un'introduzione di alto livello sul deep learning e su come iniziare a utilizzare TensorFlow.js attraverso esercizi pratici.
Risorse educative
Scegli il tuo percorso di apprendimento ed esplora libri, corsi, video ed esercizi consigliati dal team TensorFlow per insegnarti le basi del ML.
Libri
Corsi online
Concetti matematici
Risorse della TF
IA centrata sull’uomo
Libri
La lettura è uno dei modi migliori per comprendere le basi del machine learning e del deep learning. I libri possono darti la comprensione teorica necessaria per aiutarti ad apprendere nuovi concetti più rapidamente in futuro.
Questo libro introduttivo fornisce un approccio code-first per imparare a implementare gli scenari ML più comuni, come la visione artificiale, l'elaborazione del linguaggio naturale (NLP) e la modellazione di sequenze per runtime Web, mobili, cloud e incorporati.
Utilizzando esempi concreti, teoria minima e due framework Python pronti per la produzione, Scikit-Learn e TensorFlow, questo libro ti aiuta ad acquisire una comprensione intuitiva dei concetti e degli strumenti per costruire sistemi intelligenti.
di Ian Goodfellow, Yoshua Bengio e Aaron Courville
Questo libro di testo sul Deep Learning è una risorsa destinata ad aiutare studenti e professionisti a entrare nel campo dell'apprendimento automatico in generale e del deep learning in particolare.
Questo libro fornisce un background teorico sulle reti neurali. Non utilizza TensorFlow, ma è un ottimo riferimento per gli studenti interessati a saperne di più.
Un approccio pratico end-to-end ai fondamenti di TensorFlow.js per un vasto pubblico tecnico. Una volta terminato questo libro, saprai come creare e distribuire sistemi di deep learning pronti per la produzione con TensorFlow.js.
di Shanqing Cai, Stanley Bileschi, Eric D. Nielsen con Francois Chollet
Scritto dai principali autori della libreria TensorFlow, questo libro fornisce casi d'uso affascinanti e istruzioni approfondite per app di deep learning in JavaScript nel tuo browser o su Node.
Seguire un corso online in più parti è un buon modo per apprendere i concetti di base del ML. Molti corsi forniscono ottime spiegazioni visive e gli strumenti necessari per iniziare ad applicare l'apprendimento automatico direttamente sul lavoro o nei tuoi progetti personali.
Sviluppato in collaborazione con il team TensorFlow, questo corso fa parte della specializzazione per sviluppatori TensorFlow e ti insegnerà le migliori pratiche per l'utilizzo di TensorFlow.
In questa specializzazione di quattro corsi tenuta da uno sviluppatore TensorFlow, esplorerai gli strumenti e i software utilizzati dagli sviluppatori per creare algoritmi scalabili basati sull'intelligenza artificiale in TensorFlow.
Il corso accelerato di machine learning con API TensorFlow è una guida di autoapprendimento per aspiranti professionisti del machine learning. Presenta una serie di lezioni con lezioni video, casi di studio reali ed esercizi pratici.
In questo corso del MIT acquisirai una conoscenza di base degli algoritmi di deep learning e acquisirai esperienza pratica nella costruzione di reti neurali in TensorFlow.
In cinque corsi imparerai le basi del Deep Learning, capirai come costruire reti neurali e imparerai come condurre progetti di machine learning di successo e costruire una carriera nell'intelligenza artificiale. Potrai padroneggiare non solo la teoria, ma vedrai anche come viene applicata nell'industria.
Hai imparato come costruire e addestrare modelli. Ora impara a esplorare vari scenari di distribuzione e a utilizzare i dati in modo più efficace per addestrare il tuo modello in questa specializzazione di quattro corsi.
Questa specializzazione è rivolta agli ingegneri software e ML con una conoscenza fondamentale di TensorFlow che desiderano espandere le proprie conoscenze e competenze apprendendo le funzionalità avanzate di TensorFlow per creare modelli potenti.
Scopri come attirare più attenzione sulla tua ricerca all'avanguardia o fornire superpoteri alle tue app Web in futuro per i tuoi clienti o per l'azienda per cui lavori con l'apprendimento automatico basato sul Web.
Per approfondire le tue conoscenze di machine learning, queste risorse possono aiutarti a comprendere i concetti matematici sottostanti necessari per l'avanzamento di livello superiore.
Una visione dall'alto dell'algebra lineare per l'apprendimento automatico. Non hai mai studiato l'algebra lineare o ne conosci un po' le nozioni di base e vuoi avere un'idea di come viene utilizzata in ML? Allora questo video è per te.
Questa specializzazione online di Coursera mira a colmare il divario tra matematica e apprendimento automatico, aggiornandoti sulla matematica di base per creare una comprensione intuitiva e collegandola all'apprendimento automatico e alla scienza dei dati.
3blue1brown è incentrato sulla presentazione della matematica con un approccio innanzitutto visivo. In questa serie di video imparerai le basi di una rete neurale e come funziona attraverso concetti matematici.
Una serie di brevi video visivi di 3blue1brown che spiegano la comprensione geometrica di matrici, determinanti, elementi degli autonomi e altro ancora.
Una serie di brevi video visivi di 3blue1brown che spiegano i fondamenti del calcolo infinitesimale in modo da darti una profonda comprensione dei teoremi fondamentali e non solo di come funzionano le equazioni.
Questo corso introduttivo del MIT copre la teoria delle matrici e l'algebra lineare. Viene data enfasi ad argomenti che saranno utili in altre discipline, inclusi sistemi di equazioni, spazi vettoriali, determinanti, autovalori, somiglianza e matrici definite positive.
di Gareth James, Daniela Witten, Trevor Hastie e Rob Tibshirani
Questo libro fornisce una panoramica accessibile del campo dell'apprendimento statistico, un set di strumenti essenziali per dare un senso al vasto e complesso mondo dei set di dati necessari per addestrare i modelli nell'apprendimento automatico.
Abbiamo raccolto le nostre risorse preferite per aiutarti a iniziare con le librerie e i framework TensorFlow specifici per le tue esigenze. Vai alle nostre sezioni per TensorFlow.js , TensorFlow Lite e TFX .
Puoi anche sfogliare la guida e i tutorial ufficiali di TensorFlow per gli esempi e le collaborazioni più recenti.
Machine Learning Foundations è un corso di formazione gratuito in cui imparerai i fondamenti della creazione di modelli di machine learning utilizzando TensorFlow.
Questo ML Tech Talk è progettato per coloro che conoscono le basi del Machine Learning ma necessitano di una panoramica sui fondamenti di TensorFlow (tensori, variabili e gradienti senza utilizzare API di alto livello).
Questo discorso sulla tecnologia ML include l'apprendimento delle rappresentazioni, le famiglie di reti neurali e le loro applicazioni, un primo sguardo all'interno di una rete neurale profonda e molti esempi di codice e concetti di TensorFlow.
In questa serie, il team di TensorFlow esamina varie parti di TensorFlow dal punto di vista della codifica, con video sull'utilizzo delle API di alto livello di TensorFlow, sull'elaborazione del linguaggio naturale, sull'apprendimento strutturato neurale e altro ancora.
Impara a individuare i casi d'uso ML più comuni, tra cui l'analisi di contenuti multimediali, la creazione di ricerche intelligenti, la trasformazione dei dati e come integrarli rapidamente nella tua app con strumenti intuitivi.
Acquisisci una conoscenza pratica dell'utilizzo del machine learning nel browser con JavaScript. Scopri come scrivere modelli personalizzati da un'area di disegno vuota, riqualificare i modelli tramite trasferimento di apprendimento e convertire modelli da Python.
Un approccio pratico end-to-end ai fondamenti di TensorFlow.js per un vasto pubblico tecnico. Una volta terminato questo libro, saprai come creare e distribuire sistemi di deep learning pronti per la produzione con TensorFlow.js.
Una serie in 3 parti che esplora sia l'addestramento che l'esecuzione di modelli di machine learning con TensorFlow.js e mostra come creare un modello di machine learning in JavaScript che venga eseguito direttamente nel browser.
Passa da zero a eroe con il Web ML utilizzando TensorFlow.js. Scopri come creare app Web di nuova generazione che possono essere eseguite lato client ed essere utilizzate su quasi tutti i dispositivi.
Parte di una serie più ampia sull'apprendimento automatico e sulla creazione di reti neurali, questa playlist video si concentra su TensorFlow.js, l'API principale, e su come utilizzare la libreria JavaScript per addestrare e distribuire modelli ML.
Scopri come creare la tua prima app ML sul dispositivo attraverso percorsi di apprendimento che forniscono guide dettagliate per casi d'uso comuni, tra cui classificazione audio, ricerca visiva di prodotti e altro ancora.
Scopri come distribuire modelli di deep learning su dispositivi mobili e incorporati con TensorFlow Lite in questo corso, sviluppato dal team TensorFlow e Udacity come approccio pratico alla distribuzione dei modelli per gli sviluppatori di software.
Dai un'occhiata pratica a come mettere insieme un sistema di pipeline di produzione con TFX. Copriremo rapidamente tutto, dall'acquisizione dei dati, alla costruzione del modello, fino all'implementazione e alla gestione.
Questo libro ti guida attraverso le fasi di automazione di una pipeline ML utilizzando l'ecosistema TensorFlow. Gli esempi di machine learning contenuti in questo libro si basano su TensorFlow e Keras, ma i concetti fondamentali possono essere applicati a qualsiasi framework.
Espandi le tue capacità di ingegneria della produzione in questa specializzazione di quattro corsi. Scopri come concettualizzare, costruire e mantenere sistemi integrati che operano continuamente nella produzione.
Quando si progetta un modello ML o si creano applicazioni basate sull'intelligenza artificiale, è importante considerare le persone che interagiscono con il prodotto e il modo migliore per integrare equità, interpretabilità, privacy e sicurezza in questi sistemi di intelligenza artificiale.
Questa guida di Google ti aiuterà a creare prodotti AI incentrati sull'uomo. Ti consentirà di evitare errori comuni, progettare esperienze eccellenti e concentrarti sulle persone mentre crei applicazioni basate sull'intelligenza artificiale.
Questo modulo di un'ora all'interno dell'MLCC di Google introduce gli studenti ai diversi tipi di pregiudizi umani che possono manifestarsi nei dati di formazione, nonché alle strategie per identificare e valutare i loro effetti.
Per diventare un esperto di machine learning, devi prima avere solide basi in quattro aree di apprendimento : codifica, matematica, teoria ML e come costruire il tuo progetto ML dall'inizio alla fine.
Inizia con i programmi di studio curati di TensorFlow per migliorare queste quattro competenze oppure scegli il tuo percorso di apprendimento esplorando la nostra libreria di risorse di seguito.
Le quattro aree della formazione sul machine learning
Quando inizi il tuo percorso formativo, è importante capire innanzitutto come apprendere il machine learning. Abbiamo suddiviso il processo di apprendimento in quattro aree di conoscenza, ciascuna delle quali fornisce un pezzo fondamentale del puzzle ML. Per aiutarti nel tuo percorso, abbiamo identificato libri, video e corsi online che miglioreranno le tue capacità e ti prepareranno a utilizzare il machine learning per i tuoi progetti. Inizia con i nostri programmi guidati progettati per aumentare le tue conoscenze o scegli il tuo percorso esplorando la nostra libreria di risorse.
Competenze di codifica: la creazione di modelli ML implica molto di più della semplice conoscenza dei concetti di ML: richiede la codifica per eseguire la gestione dei dati, l'ottimizzazione dei parametri e l'analisi dei risultati necessari per testare e ottimizzare il modello.
Matematica e statistiche: il machine learning è una disciplina ricca di matematica, quindi se prevedi di modificare modelli di machine learning o crearne di nuovi da zero, la familiarità con i concetti matematici sottostanti è fondamentale per il processo.
Teoria ML: conoscere le basi della teoria ML ti fornirà le basi su cui costruire e ti aiuterà a risolvere i problemi quando qualcosa va storto.
Costruisci i tuoi progetti: acquisire esperienza pratica con il machine learning è il modo migliore per mettere alla prova le tue conoscenze, quindi non aver paura di immergerti presto con una semplice collaborazione o un tutorial per fare pratica.
Curriculum TensorFlow
Inizia a imparare con uno dei nostri programmi guidati contenenti corsi, libri e video consigliati.
Impara le basi del machine learning con questa raccolta di libri e corsi online. Ti verrà presentato il machine learning e guidato attraverso il deep learning utilizzando TensorFlow 2.0. Quindi avrai l'opportunità di mettere in pratica ciò che impari con tutorial per principianti.
Una volta comprese le basi dell'apprendimento automatico, porta le tue capacità a un livello superiore approfondendo la comprensione teorica delle reti neurali, del deep learning e migliorando la tua conoscenza dei concetti matematici sottostanti.
Apprendi le nozioni di base sullo sviluppo di modelli di machine learning in JavaScript e come distribuirli direttamente nel browser. Riceverai un'introduzione di alto livello sul deep learning e su come iniziare a utilizzare TensorFlow.js attraverso esercizi pratici.
Risorse educative
Scegli il tuo percorso di apprendimento ed esplora libri, corsi, video ed esercizi consigliati dal team TensorFlow per insegnarti le basi del ML.
Libri
Corsi online
Concetti matematici
Risorse della TF
IA centrata sull’uomo
Libri
La lettura è uno dei modi migliori per comprendere le basi del machine learning e del deep learning. I libri possono darti la comprensione teorica necessaria per aiutarti ad apprendere nuovi concetti più rapidamente in futuro.
Questo libro introduttivo fornisce un approccio code-first per imparare a implementare gli scenari ML più comuni, come la visione artificiale, l'elaborazione del linguaggio naturale (NLP) e la modellazione di sequenze per runtime Web, mobili, cloud e incorporati.
Utilizzando esempi concreti, teoria minima e due framework Python pronti per la produzione, Scikit-Learn e TensorFlow, questo libro ti aiuta ad acquisire una comprensione intuitiva dei concetti e degli strumenti per costruire sistemi intelligenti.
di Ian Goodfellow, Yoshua Bengio e Aaron Courville
Questo libro di testo sul Deep Learning è una risorsa destinata ad aiutare studenti e professionisti a entrare nel campo dell'apprendimento automatico in generale e del deep learning in particolare.
Questo libro fornisce un background teorico sulle reti neurali. Non utilizza TensorFlow, ma è un ottimo riferimento per gli studenti interessati a saperne di più.
Un approccio pratico end-to-end ai fondamenti di TensorFlow.js per un vasto pubblico tecnico. Una volta terminato questo libro, saprai come creare e distribuire sistemi di deep learning pronti per la produzione con TensorFlow.js.
di Shanqing Cai, Stanley Bileschi, Eric D. Nielsen con Francois Chollet
Scritto dai principali autori della libreria TensorFlow, questo libro fornisce casi d'uso affascinanti e istruzioni approfondite per app di deep learning in JavaScript nel tuo browser o su Node.
Seguire un corso online in più parti è un buon modo per apprendere i concetti di base del ML. Molti corsi forniscono ottime spiegazioni visive e gli strumenti necessari per iniziare ad applicare l'apprendimento automatico direttamente sul lavoro o nei tuoi progetti personali.
Sviluppato in collaborazione con il team TensorFlow, questo corso fa parte della specializzazione per sviluppatori TensorFlow e ti insegnerà le migliori pratiche per l'utilizzo di TensorFlow.
In questa specializzazione di quattro corsi tenuta da uno sviluppatore TensorFlow, esplorerai gli strumenti e i software utilizzati dagli sviluppatori per creare algoritmi scalabili basati sull'intelligenza artificiale in TensorFlow.
Il corso accelerato di machine learning con API TensorFlow è una guida di autoapprendimento per aspiranti professionisti del machine learning. Presenta una serie di lezioni con lezioni video, casi di studio reali ed esercizi pratici.
In questo corso del MIT acquisirai una conoscenza di base degli algoritmi di deep learning e acquisirai esperienza pratica nella costruzione di reti neurali in TensorFlow.
In cinque corsi imparerai le basi del Deep Learning, capirai come costruire reti neurali e imparerai come condurre progetti di machine learning di successo e costruire una carriera nell'intelligenza artificiale. Potrai padroneggiare non solo la teoria, ma vedrai anche come viene applicata nell'industria.
Hai imparato come costruire e addestrare modelli. Ora impara a navigare in vari scenari di distribuzione e a utilizzare i dati in modo più efficace per addestrare il tuo modello in questa specializzazione di quattro corsi.
Questa specializzazione è rivolta agli ingegneri software e ML con una conoscenza fondamentale di TensorFlow che desiderano espandere le proprie conoscenze e competenze apprendendo le funzionalità avanzate di TensorFlow per creare modelli potenti.
Scopri come attirare più attenzione sulla tua ricerca all'avanguardia o fornire superpoteri alle tue app Web in futuro per i tuoi clienti o per l'azienda per cui lavori con l'apprendimento automatico basato sul Web.
Per approfondire le tue conoscenze di machine learning, queste risorse possono aiutarti a comprendere i concetti matematici sottostanti necessari per l'avanzamento di livello superiore.
Una visione dall'alto dell'algebra lineare per l'apprendimento automatico. Non hai mai studiato l'algebra lineare o ne conosci un po' le nozioni di base e vuoi avere un'idea di come viene utilizzata in ML? Allora questo video è per te.
Questa specializzazione online di Coursera mira a colmare il divario tra matematica e apprendimento automatico, aggiornandoti sulla matematica di base per creare una comprensione intuitiva e collegandola all'apprendimento automatico e alla scienza dei dati.
3blue1brown è incentrato sulla presentazione della matematica con un approccio innanzitutto visivo. In questa serie di video imparerai le basi di una rete neurale e come funziona attraverso concetti matematici.
Una serie di brevi video visivi di 3blue1brown che spiegano la comprensione geometrica di matrici, determinanti, elementi degli autonomi e altro ancora.
Una serie di brevi video visivi di 3blue1brown che spiegano i fondamenti del calcolo infinitesimale in modo da darti una profonda comprensione dei teoremi fondamentali e non solo di come funzionano le equazioni.
Questo corso introduttivo del MIT copre la teoria delle matrici e l'algebra lineare. Viene data enfasi ad argomenti che saranno utili in altre discipline, inclusi sistemi di equazioni, spazi vettoriali, determinanti, autovalori, somiglianza e matrici definite positive.
di Gareth James, Daniela Witten, Trevor Hastie e Rob Tibshirani
Questo libro fornisce una panoramica accessibile del campo dell'apprendimento statistico, un set di strumenti essenziali per dare un senso al vasto e complesso mondo dei set di dati necessari per addestrare i modelli nell'apprendimento automatico.
Abbiamo raccolto le nostre risorse preferite per aiutarti a iniziare con le librerie e i framework TensorFlow specifici per le tue esigenze. Vai alle nostre sezioni per TensorFlow.js , TensorFlow Lite e TFX .
Puoi anche sfogliare la guida ufficiale e i tutorial di TensorFlow per gli esempi e le collaborazioni più recenti.
Machine Learning Foundations è un corso di formazione gratuito in cui imparerai i fondamenti della creazione di modelli di machine learning utilizzando TensorFlow.
Questo ML Tech Talk è progettato per coloro che conoscono le basi del Machine Learning ma necessitano di una panoramica sui fondamenti di TensorFlow (tensori, variabili e gradienti senza utilizzare API di alto livello).
Questo discorso sulla tecnologia ML include l'apprendimento delle rappresentazioni, le famiglie di reti neurali e le loro applicazioni, un primo sguardo all'interno di una rete neurale profonda e molti esempi di codice e concetti di TensorFlow.
In questa serie, il team di TensorFlow esamina varie parti di TensorFlow dal punto di vista della codifica, con video sull'utilizzo delle API di alto livello di TensorFlow, sull'elaborazione del linguaggio naturale, sull'apprendimento strutturato neurale e altro ancora.
Impara a individuare i casi d'uso ML più comuni, tra cui l'analisi di contenuti multimediali, la creazione di ricerche intelligenti, la trasformazione dei dati e come integrarli rapidamente nella tua app con strumenti intuitivi.
Acquisisci una conoscenza pratica dell'utilizzo del machine learning nel browser con JavaScript. Scopri come scrivere modelli personalizzati da un'area di disegno vuota, riqualificare i modelli tramite trasferimento di apprendimento e convertire modelli da Python.
Un approccio pratico end-to-end ai fondamenti di TensorFlow.js per un vasto pubblico tecnico. Una volta terminato questo libro, saprai come creare e distribuire sistemi di deep learning pronti per la produzione con TensorFlow.js.
Una serie in 3 parti che esplora sia l'addestramento che l'esecuzione di modelli di machine learning con TensorFlow.js e mostra come creare un modello di machine learning in JavaScript che venga eseguito direttamente nel browser.
Passa da zero a eroe con il Web ML utilizzando TensorFlow.js. Scopri come creare app Web di nuova generazione che possono essere eseguite lato client ed essere utilizzate su quasi tutti i dispositivi.
Parte di una serie più ampia sull'apprendimento automatico e sulla creazione di reti neurali, questa playlist video si concentra su TensorFlow.js, l'API principale, e su come utilizzare la libreria JavaScript per addestrare e distribuire modelli ML.
Scopri come creare la tua prima app ML sul dispositivo attraverso percorsi di apprendimento che forniscono guide dettagliate per casi d'uso comuni, tra cui classificazione audio, ricerca visiva di prodotti e altro ancora.
Scopri come distribuire modelli di deep learning su dispositivi mobili e incorporati con TensorFlow Lite in questo corso, sviluppato dal team TensorFlow e Udacity come approccio pratico alla distribuzione dei modelli per gli sviluppatori di software.
Dai un'occhiata pratica a come mettere insieme un sistema di pipeline di produzione con TFX. Copriremo rapidamente tutto, dall'acquisizione dei dati, alla costruzione del modello, fino all'implementazione e alla gestione.
Questo libro ti guida attraverso le fasi di automazione di una pipeline ML utilizzando l'ecosistema TensorFlow. Gli esempi di machine learning contenuti in questo libro si basano su TensorFlow e Keras, ma i concetti fondamentali possono essere applicati a qualsiasi framework.
Espandi le tue capacità di ingegneria della produzione in questa specializzazione di quattro corsi. Scopri come concettualizzare, costruire e mantenere sistemi integrati che operano continuamente nella produzione.
Quando si progetta un modello ML o si creano applicazioni basate sull'intelligenza artificiale, è importante considerare le persone che interagiscono con il prodotto e il modo migliore per integrare equità, interpretabilità, privacy e sicurezza in questi sistemi di intelligenza artificiale.
Questa guida di Google ti aiuterà a creare prodotti AI incentrati sull'uomo. Ti consentirà di evitare errori comuni, progettare esperienze eccellenti e concentrarti sulle persone mentre crei applicazioni basate sull'intelligenza artificiale.
Questo modulo di un'ora all'interno dell'MLCC di Google introduce gli studenti ai diversi tipi di pregiudizi umani che possono manifestarsi nei dati di formazione, nonché alle strategie per identificare e valutare i loro effetti.
[{
"type": "thumb-down",
"id": "missingTheInformationINeed",
"label":"Mancano le informazioni di cui ho bisogno"
},{
"type": "thumb-down",
"id": "tooComplicatedTooManySteps",
"label":"Troppo complicato/troppi passaggi"
},{
"type": "thumb-down",
"id": "outOfDate",
"label":"Obsoleti"
},{
"type": "thumb-down",
"id": "translationIssue",
"label":"Problema di traduzione"
},{
"type": "thumb-down",
"id": "samplesCodeIssue",
"label":"Problema relativo a esempi/codice"
},{
"type": "thumb-down",
"id": "otherDown",
"label":"Altra"
}]
[{
"type": "thumb-up",
"id": "easyToUnderstand",
"label":"Facile da capire"
},{
"type": "thumb-up",
"id": "solvedMyProblem",
"label":"Il problema è stato risolto"
},{
"type": "thumb-up",
"id": "otherUp",
"label":"Altra"
}]
{}
[[["Facile da capire","easyToUnderstand","thumb-up"],["Il problema è stato risolto","solvedMyProblem","thumb-up"],["Altra","otherUp","thumb-up"]],[["Mancano le informazioni di cui ho bisogno","missingTheInformationINeed","thumb-down"],["Troppo complicato/troppi passaggi","tooComplicatedTooManySteps","thumb-down"],["Obsoleti","outOfDate","thumb-down"],["Problema di traduzione","translationIssue","thumb-down"],["Problema relativo a esempi/codice","samplesCodeIssue","thumb-down"],["Altra","otherDown","thumb-down"]],[],[],[]]
