Google is committed to advancing racial equity for Black communities. See how.

ควบคุมเส้นทางของคุณ

ที่จะกลายเป็นผู้เชี่ยวชาญในการเรียนรู้ของเครื่องคุณต้องมีรากฐานที่แข็งแกร่งใน สี่พื้นที่การเรียนรู้ : การเขียนโปรแกรมคณิตศาสตร์ทฤษฎี ML และวิธีการสร้างโครงการ ML ของคุณเองตั้งแต่ต้นจนจบ

เริ่มต้นด้วย TensorFlow ของ หลักสูตรการดูแลจัดการ เพื่อปรับปรุงทักษะทั้งสี่เหล่านี้หรือเลือกเส้นทางการเรียนรู้ของคุณเองโดยการสำรวจของเรา ทรัพยากรห้องสมุด ด้านล่าง

สี่ด้านของการเรียนรู้ด้วยแมชชีนเลิร์นนิง

เมื่อเริ่มต้นเส้นทางการศึกษา สิ่งสำคัญคือต้องเข้าใจวิธีเรียนรู้ ML ก่อน เราได้แบ่งกระบวนการเรียนรู้ออกเป็นสี่ด้านของความรู้ โดยแต่ละส่วนจะมีส่วนพื้นฐานของปริศนา ML เพื่อช่วยคุณในเส้นทางของคุณ เราได้ระบุหนังสือ วิดีโอ และหลักสูตรออนไลน์ที่จะยกระดับความสามารถของคุณ และเตรียมคุณใช้ ML สำหรับโครงการของคุณ เริ่มต้นด้วยหลักสูตรแนะนำของเราที่ออกแบบมาเพื่อเพิ่มพูนความรู้ของคุณ หรือเลือกเส้นทางของคุณเองโดยสำรวจห้องสมุดทรัพยากรของเรา

  • ทักษะการเข้ารหัส: โมเดลอาคาร ML เกี่ยวข้องมากขึ้นกว่าเพียงแค่รู้แนวคิด ML-มันต้องมีการเข้ารหัสเพื่อที่จะทำการจัดการข้อมูลการปรับแต่งพารามิเตอร์และการแยกผลที่จำเป็นในการทดสอบและการเพิ่มประสิทธิภาพของรูปแบบของคุณ

  • คณิตศาสตร์และสถิติ: ML เป็นวินัยทางคณิตศาสตร์หนักดังนั้นหากคุณวางแผนที่จะปรับเปลี่ยนรูปแบบ ML หรือสร้างใหม่จากรอยขีดข่วนคุ้นเคยกับแนวคิดทางคณิตศาสตร์พื้นฐานเป็นสิ่งสำคัญในการประมวลผล

  • ทฤษฎี ML: รู้พื้นฐานของทฤษฎี ML ที่จะทำให้คุณรากฐานในการสร้างและช่วยให้คุณแก้ปัญหาเมื่อมีอะไรผิดพลาด

  • สร้างโครงการของคุณเอง: การเดินทางมือในประสบการณ์กับ ML เป็นวิธีที่ดีที่สุดที่จะนำความรู้ในการทดสอบจึงไม่ต้องกลัวที่จะดำน้ำในช่วงต้นด้วยง่าย Colab หรือ กวดวิชา ที่จะได้รับการปฏิบัติบาง

หลักสูตร TensorFlow

เริ่มเรียนรู้ด้วยหลักสูตรแนะนำของเราที่มีหลักสูตร หนังสือ และวิดีโอแนะนำ

สำหรับผู้เริ่มต้น
พื้นฐานของการเรียนรู้ของเครื่องด้วย TensorFlow

เรียนรู้พื้นฐานของ ML ด้วยหนังสือและหลักสูตรออนไลน์ชุดนี้ คุณจะได้รู้จัก ML ด้วย scikit-learn ผ่านการเรียนรู้เชิงลึกโดยใช้ TensorFlow 2.0 จากนั้นคุณจะมีโอกาสฝึกฝนสิ่งที่คุณเรียนรู้ด้วยบทช่วยสอนสำหรับผู้เริ่มต้น

สำหรับระดับกลางและผู้เชี่ยวชาญ
การเรียนรู้ของเครื่องเชิงทฤษฎีและขั้นสูงด้วย TensorFlow

เมื่อคุณเข้าใจพื้นฐานของแมชชีนเลิร์นนิงแล้ว ให้ยกระดับความสามารถของคุณไปอีกระดับด้วยการทำความเข้าใจเชิงทฤษฎีเกี่ยวกับโครงข่ายประสาทเทียม การเรียนรู้เชิงลึก และปรับปรุงความรู้ของคุณเกี่ยวกับแนวคิดทางคณิตศาสตร์ที่เป็นพื้นฐาน

สำหรับผู้เริ่มต้น
ความเชี่ยวชาญ: พื้นฐานของ TensorFlow สำหรับการพัฒนา JavaScript

เรียนรู้พื้นฐานของการพัฒนาโมเดลการเรียนรู้ของเครื่องใน JavaScript และวิธีปรับใช้โดยตรงในเบราว์เซอร์ คุณจะได้รับคำแนะนำระดับสูงเกี่ยวกับการเรียนรู้เชิงลึกและวิธีเริ่มต้นใช้งาน TensorFlow.js ผ่านแบบฝึกหัดภาคปฏิบัติ

แหล่งข้อมูลทางการศึกษา

เลือกเส้นทางการเรียนรู้ของคุณเอง และสำรวจหนังสือ หลักสูตร วิดีโอ และแบบฝึกหัดที่แนะนำโดยทีม TensorFlow เพื่อสอนพื้นฐานของ ML

หนังสือ  
คอร์สออนไลน์  
แนวคิดทางคณิตศาสตร์  
ทรัพยากร TF  
AI ที่มีมนุษย์เป็นศูนย์กลาง  

หนังสือ

การอ่านเป็นวิธีที่ดีที่สุดวิธีหนึ่งในการทำความเข้าใจพื้นฐานของ ML และการเรียนรู้เชิงลึก หนังสือสามารถให้ความเข้าใจเชิงทฤษฎีที่จำเป็นแก่คุณเพื่อช่วยให้คุณเรียนรู้แนวคิดใหม่ได้รวดเร็วยิ่งขึ้นในอนาคต

AI และการเรียนรู้ของเครื่องสำหรับ Coders
โดย Laurence Moroney

หนังสือแนะนำนี้ให้แนวทางที่เน้นการใช้โค้ดเป็นหลักในการเรียนรู้วิธีใช้สถานการณ์จำลอง ML ที่พบบ่อยที่สุด เช่น คอมพิวเตอร์วิทัศน์ การประมวลผลภาษาธรรมชาติ (NLP) และการสร้างแบบจำลองลำดับสำหรับเว็บ อุปกรณ์เคลื่อนที่ คลาวด์ และรันไทม์แบบฝัง

การเรียนรู้เชิงลึกด้วย Python
โดย Francois Chollet

หนังสือเล่มนี้เป็นหนังสือแนะนำ Deep Learning กับ Keras ที่นำไปปฏิบัติได้จริง

การเรียนรู้ด้วยเครื่องจริงด้วย Scikit-Learn, Keras และ TensorFlow
โดย Aurélien Géron

การใช้ตัวอย่างที่เป็นรูปธรรม ทฤษฎีขั้นต่ำ และสองเฟรมเวิร์ก Python ที่พร้อมสำหรับการผลิต—Scikit-Learn และ TensorFlow— หนังสือเล่มนี้ช่วยให้คุณเข้าใจแนวคิดและเครื่องมือโดยสัญชาตญาณสำหรับการสร้างระบบอัจฉริยะ

การเรียนรู้อย่างลึกซึ้ง
โดย Ian Goodfellow, Yoshua Bengio และ Aaron Courville

หนังสือเรียน Deep Learning เล่มนี้เป็นแหล่งข้อมูลที่มีจุดมุ่งหมายเพื่อช่วยให้นักเรียนและผู้ปฏิบัติงานเข้าสู่สาขาการเรียนรู้ของเครื่องโดยทั่วไป และโดยเฉพาะอย่างยิ่งการเรียนรู้เชิงลึก

โครงข่ายประสาทเทียมและการเรียนรู้เชิงลึก
โดย Michael Nielsen

หนังสือเล่มนี้ให้พื้นฐานทางทฤษฎีเกี่ยวกับโครงข่ายประสาทเทียม ไม่ได้ใช้ TensorFlow แต่เป็นข้อมูลอ้างอิงที่ดีสำหรับนักเรียนที่สนใจเรียนรู้เพิ่มเติม

การเรียนรู้ TensorFlow.js
โดย Gant Laborde

วิธีการแบบ end-to-end แบบลงมือปฏิบัติจริงสำหรับพื้นฐาน TensorFlow.js สำหรับผู้ชมทางเทคนิคในวงกว้าง เมื่อคุณทำหนังสือเล่มนี้เสร็จแล้ว คุณจะรู้วิธีสร้างและปรับใช้ระบบการเรียนรู้เชิงลึกที่พร้อมสำหรับการผลิตด้วย TensorFlow.js

การเรียนรู้เชิงลึกด้วย JavaScript
โดย Shanqing Cai, Stanley Bileschi, Eric D. Nielsen กับ Francois Chollet

เขียนโดยผู้เขียนหลักของห้องสมุด TensorFlow หนังสือเล่มนี้มีกรณีการใช้งานที่น่าสนใจและคำแนะนำเชิงลึกสำหรับแอปการเรียนรู้เชิงลึกใน JavaScript ในเบราว์เซอร์ของคุณหรือบน Node

คอร์สออนไลน์

การเรียนหลักสูตรออนไลน์แบบหลายส่วนเป็นวิธีที่ดีในการเรียนรู้แนวคิดพื้นฐานของ ML หลายหลักสูตรมีคำอธิบายภาพที่ยอดเยี่ยม และเครื่องมือที่จำเป็นในการเริ่มใช้การเรียนรู้ของเครื่องโดยตรงในที่ทำงาน หรือกับโครงการส่วนตัวของคุณ

ข้อมูลเบื้องต้นเกี่ยวกับ TensorFlow สำหรับ AI, ML และการเรียนรู้เชิงลึก

หลักสูตรนี้ได้รับการพัฒนาร่วมกับทีม TensorFlow โดยเป็นส่วนหนึ่งของ TensorFlow Developer Specialization และจะสอนแนวทางปฏิบัติที่ดีที่สุดสำหรับการใช้ TensorFlow ให้กับคุณ

ข้อมูลเบื้องต้นเกี่ยวกับ TensorFlow สำหรับการเรียนรู้เชิงลึก

ในหลักสูตรออนไลน์นี้พัฒนาโดยทีม TensorFlow และ Udacity คุณจะได้เรียนรู้วิธีสร้างแอปพลิเคชันการเรียนรู้เชิงลึกด้วย TensorFlow

TensorFlow Developer Specialization

ในความเชี่ยวชาญพิเศษสี่หลักสูตรที่สอนโดยนักพัฒนา TensorFlow คุณจะสำรวจเครื่องมือและนักพัฒนาซอฟต์แวร์ที่ใช้เพื่อสร้างอัลกอริธึมที่ขับเคลื่อนด้วย AI ที่ปรับขนาดได้ใน TensorFlow

หลักสูตรความผิดพลาดของการเรียนรู้ของเครื่อง

หลักสูตรความผิดพลาดของแมชชีนเลิร์นนิงพร้อม TensorFlow APIs เป็นคู่มือการเรียนรู้ด้วยตนเองสำหรับผู้ปฏิบัติงานด้านแมชชีนเลิร์นนิงที่ต้องการ มีชุดบทเรียนพร้อมวิดีโอบรรยาย กรณีศึกษาในโลกแห่งความเป็นจริง และแบบฝึกหัดภาคปฏิบัติ

MIT 6.S191: การเรียนรู้เชิงลึกเบื้องต้น

ในหลักสูตรนี้จาก MIT คุณจะได้รับความรู้พื้นฐานเกี่ยวกับอัลกอริธึมการเรียนรู้เชิงลึกและรับประสบการณ์จริงในการสร้างเครือข่ายประสาทใน TensorFlow

ความเชี่ยวชาญด้านการเรียนรู้เชิงลึก

ในห้าหลักสูตร คุณจะได้เรียนรู้พื้นฐานของ Deep Learning เข้าใจวิธีสร้างโครงข่ายประสาทเทียม และเรียนรู้วิธีนำโครงการการเรียนรู้ของเครื่องที่ประสบความสำเร็จและสร้างอาชีพใน AI คุณจะเชี่ยวชาญไม่เพียงแค่ทฤษฎีเท่านั้น แต่ยังดูว่ามันถูกนำไปใช้ในอุตสาหกรรมอย่างไร

TensorFlow: ความเชี่ยวชาญด้านข้อมูลและการปรับใช้

คุณได้เรียนรู้วิธีการสร้างและฝึกโมเดล ตอนนี้เรียนรู้ที่จะสำรวจสถานการณ์การปรับใช้ต่างๆ และใช้ข้อมูลอย่างมีประสิทธิภาพมากขึ้นในการฝึกโมเดลของคุณในความเชี่ยวชาญพิเศษสี่หลักสูตรนี้

TensorFlow: ความเชี่ยวชาญด้านเทคนิคขั้นสูง

ความเชี่ยวชาญพิเศษนี้มีไว้สำหรับวิศวกรซอฟต์แวร์และ ML ที่มีความเข้าใจพื้นฐานเกี่ยวกับ TensorFlow ที่ต้องการเพิ่มพูนความรู้และทักษะที่กำหนดโดยการเรียนรู้คุณลักษณะขั้นสูงของ TensorFlow เพื่อสร้างแบบจำลองที่มีประสิทธิภาพ

แนวคิดทางคณิตศาสตร์

เพื่อเจาะลึกความรู้ ML ของคุณ แหล่งข้อมูลเหล่านี้สามารถช่วยให้คุณเข้าใจแนวคิดทางคณิตศาสตร์พื้นฐานที่จำเป็นสำหรับความก้าวหน้าในระดับที่สูงขึ้น

บทนำที่เป็นมิตรต่อพีชคณิตเชิงเส้นสำหรับ ML

มุมมองมุมสูงของพีชคณิตเชิงเส้นสำหรับการเรียนรู้ของเครื่อง ไม่เคยใช้พีชคณิตเชิงเส้นหรือรู้เพียงเล็กน้อยเกี่ยวกับพื้นฐาน และต้องการทราบว่ามันถูกนำมาใช้ใน ML อย่างไร วิดีโอนี้เหมาะสำหรับคุณ

คณิตศาสตร์สำหรับความเชี่ยวชาญด้านการเรียนรู้ของเครื่อง

ความเชี่ยวชาญพิเศษออนไลน์จาก Coursera นี้มีจุดมุ่งหมายเพื่อลดช่องว่างของคณิตศาสตร์และการเรียนรู้ของเครื่อง ช่วยให้คุณเรียนรู้คณิตศาสตร์พื้นฐานได้อย่างรวดเร็ว เพื่อสร้างความเข้าใจโดยสัญชาตญาณ และเกี่ยวข้องกับการเรียนรู้ของเครื่องและวิทยาศาสตร์ข้อมูล

การเรียนรู้อย่างลึกซึ้ง
โดย 3Blue1Brown

3blue1brown เน้นที่การนำเสนอคณิตศาสตร์ด้วยวิธีที่เน้นภาพเป็นหลัก ในซีรีส์วิดีโอนี้ คุณจะได้เรียนรู้พื้นฐานของโครงข่ายประสาทเทียมและวิธีการทำงานผ่านแนวคิดทางคณิตศาสตร์

สาระสำคัญของพีชคณิตเชิงเส้น
โดย 3Blue1Brown

ชุดวิดีโอสั้นๆ จาก 3blue1brown ที่อธิบายความเข้าใจทางเรขาคณิตของเมทริกซ์ ดีเทอร์มิแนนต์ ส่วนประกอบไอเกน และอื่นๆ

แก่นแท้ของแคลคูลัส
โดย 3Blue1Brown

ชุดวิดีโอสั้นๆ จาก 3blue1brown ที่อธิบายพื้นฐานของแคลคูลัสในลักษณะที่ทำให้คุณเข้าใจทฤษฎีบทพื้นฐานอย่างถ่องแท้ ไม่ใช่แค่ว่าสมการทำงานอย่างไร

MIT 18.06: พีชคณิตเชิงเส้น

หลักสูตรเบื้องต้นจาก MIT ครอบคลุมทฤษฎีเมทริกซ์และพีชคณิตเชิงเส้น เน้นไปที่หัวข้อที่จะเป็นประโยชน์ในสาขาวิชาอื่น ๆ รวมทั้งระบบของสมการ ปริภูมิเวกเตอร์ ดีเทอร์มิแนนต์ ค่าลักษณะเฉพาะ ความคล้ายคลึงกัน และเมทริกซ์แน่นอนบวก

MIT 18.01: แคลคูลัสตัวแปรเดียว

หลักสูตรแคลคูลัสเบื้องต้นจาก MIT ครอบคลุมการสร้างความแตกต่างและการรวมฟังก์ชันของตัวแปรตัวเดียวเข้ากับการใช้งาน

มองทฤษฎี
โดย Daniel Kunin, Jingru Guo, Tyler Dae Devlin, Daniel Xiang

ภาพแนะนำความน่าจะเป็นและสถิติ

บทนำสู่การเรียนรู้ทางสถิติ
โดย Gareth James, Daniela Witten, Trevor Hastie และ Rob Tibshirani

หนังสือเล่มนี้ให้ภาพรวมที่เข้าถึงได้ของสาขาวิชาการเรียนรู้ทางสถิติ ซึ่งเป็นชุดเครื่องมือที่จำเป็นสำหรับการทำความเข้าใจโลกที่กว้างใหญ่และซับซ้อนของชุดข้อมูลที่จำเป็นในการฝึกโมเดลในการเรียนรู้ของเครื่อง

ทรัพยากร TensorFlow

เราได้รวบรวมแหล่งข้อมูลที่เราชื่นชอบเพื่อช่วยคุณในการเริ่มต้นใช้งานไลบรารี TensorFlow และเฟรมเวิร์กที่ตรงกับความต้องการของคุณ ข้ามไปยังส่วนของเราสำหรับ TensorFlow.js , TensorFlow Lite และ TensorFlow ขยาย


นอกจากนี้คุณยังสามารถเรียกดู TensorFlow อย่างเป็นทางการ คู่มือ และ แบบฝึกหัด สำหรับตัวอย่างล่าสุดและ colabs

รากฐานการเรียนรู้ของเครื่อง

Machine Learning Foundations เป็นหลักสูตรฝึกอบรมฟรีที่คุณจะได้เรียนรู้พื้นฐานของการสร้างแบบจำลองการเรียนรู้ของเครื่องโดยใช้ TensorFlow

TensorFlow จากพื้นดิน

ML Tech Talk นี้ออกแบบมาสำหรับผู้ที่รู้พื้นฐานของ Machine Learning แต่ต้องการภาพรวมเกี่ยวกับพื้นฐานของ TensorFlow (เทนเซอร์ ตัวแปร และการไล่ระดับสีโดยไม่ต้องใช้ API ระดับสูง)

บทนำสู่การเรียนรู้เชิงลึก

ML Tech Talk นี้ประกอบด้วยการเรียนรู้แบบเป็นตัวแทน กลุ่มของโครงข่ายประสาทเทียมและแอปพลิเคชันต่างๆ ดูครั้งแรกภายในเครือข่ายนิวรัลเชิงลึก และตัวอย่างโค้ดและแนวคิดมากมายจาก TensorFlow

การเข้ารหัส TensorFlow

ในชุดนี้ ทีม TensorFlow จะพิจารณาส่วนต่างๆ ของ TensorFlow จากมุมมองของการเข้ารหัส พร้อมวิดีโอสำหรับการใช้ API ระดับสูงของ TensorFlow การประมวลผลภาษาธรรมชาติ การเรียนรู้ที่มีโครงสร้างทางประสาท และอื่นๆ

การจำแนกและแก้ปัญหาในชีวิตประจำวันด้วยการเรียนรู้ของเครื่อง

เรียนรู้ที่จะระบุกรณีการใช้งาน ML ที่พบบ่อยที่สุด รวมถึงการวิเคราะห์มัลติมีเดีย การสร้างการค้นหาอัจฉริยะ การแปลงข้อมูล และวิธีสร้างลงในแอปของคุณอย่างรวดเร็วด้วยเครื่องมือที่ใช้งานง่าย

สำหรับ Javascript

สำรวจทรัพยากรใหม่ล่าสุดใน TensorFlow.js

การเรียนรู้ TensorFlow.js
โดย Gant Laborde

วิธีการแบบ end-to-end แบบลงมือปฏิบัติจริงสำหรับพื้นฐาน TensorFlow.js สำหรับผู้ชมทางเทคนิคในวงกว้าง เมื่อคุณทำหนังสือเล่มนี้เสร็จแล้ว คุณจะรู้วิธีสร้างและปรับใช้ระบบการเรียนรู้เชิงลึกที่พร้อมสำหรับการผลิตด้วย TensorFlow.js

เริ่มต้นใช้งาน TensorFlow.js โดย TensorFlow

ซีรีส์ 3 ส่วนที่สำรวจทั้งการฝึกและดำเนินการโมเดลที่เรียนรู้ด้วยเครื่องด้วย TensorFlow.js และแสดงวิธีสร้างโมเดลการเรียนรู้ของเครื่องใน JavaScript ที่ดำเนินการโดยตรงในเบราว์เซอร์

TensorFlow.js: ซีรีส์ข่าวกรองและการเรียนรู้
โดย The Coding Train

เพลย์ลิสต์วิดีโอนี้เป็นส่วนหนึ่งของซีรีส์ที่ใหญ่กว่าเกี่ยวกับแมชชีนเลิร์นนิงและการสร้างเครือข่ายประสาทเทียม โดยเน้นที่ TensorFlow.js, API หลัก และวิธีใช้ไลบรารี JavaScript เพื่อฝึกและปรับใช้โมเดล ML

สำหรับมือถือและ IoT

สำรวจทรัพยากรใหม่ล่าสุดใน TensorFlow Lite

การเรียนรู้ของเครื่องในอุปกรณ์

เรียนรู้วิธีสร้างแอป ML บนอุปกรณ์ตัวแรกของคุณผ่านเส้นทางการเรียนรู้ที่ให้คำแนะนำทีละขั้นตอนสำหรับกรณีการใช้งานทั่วไป ซึ่งรวมถึงการจัดประเภทเสียง การค้นหาผลิตภัณฑ์ด้วยภาพ และอื่นๆ

ข้อมูลเบื้องต้นเกี่ยวกับ TensorFlow Lite

เรียนรู้วิธีปรับใช้โมเดลการเรียนรู้เชิงลึกบนอุปกรณ์พกพาและอุปกรณ์ฝังตัวด้วย TensorFlow Lite ในหลักสูตรนี้ ซึ่งพัฒนาโดยทีม TensorFlow และ Udacity เพื่อเป็นแนวทางปฏิบัติในการปรับใช้โมเดลสำหรับนักพัฒนาซอฟต์แวร์

สำหรับการผลิต

สำรวจทรัพยากรใหม่ล่าสุดใน TFX

วิศวกรรม ML สำหรับการปรับใช้ ML ที่ใช้งานจริงด้วย TFX

สัมผัสประสบการณ์จริงในการรวมระบบไปป์ไลน์การผลิตกับ TFX เราจะครอบคลุมทุกอย่างอย่างรวดเร็วตั้งแต่การได้มาซึ่งข้อมูล การสร้างแบบจำลอง ไปจนถึงการปรับใช้งานและการจัดการ

การสร้างท่อการเรียนรู้ของเครื่อง
โดย Hannes Hapke, Catherine Nelson

หนังสือเล่มนี้จะแนะนำคุณเกี่ยวกับขั้นตอนในการทำให้ไปป์ไลน์ ML ทำงานอัตโนมัติโดยใช้ระบบนิเวศ TensorFlow ตัวอย่างแมชชีนเลิร์นนิงในหนังสือเล่มนี้อิงตาม TensorFlow และ Keras แต่แนวคิดหลักสามารถนำไปใช้กับเฟรมเวิร์กใดก็ได้

วิศวกรรมการเรียนรู้ของเครื่องสำหรับความเชี่ยวชาญในการผลิต (MLOps)

ขยายขีดความสามารถด้านวิศวกรรมการผลิตของคุณในความเชี่ยวชาญพิเศษสี่หลักสูตรนี้ เรียนรู้วิธีสร้างแนวคิด สร้าง และบำรุงรักษาระบบแบบบูรณาการที่ทำงานอย่างต่อเนื่องในการผลิต

ML Pipelines บน Google Cloud

หลักสูตรขั้นสูงนี้ครอบคลุมส่วนประกอบ TFX, การประสานไปป์ไลน์และระบบอัตโนมัติ และวิธีจัดการข้อมูลเมตา ML ด้วย Google Cloud

AI ที่มีมนุษย์เป็นศูนย์กลาง

เมื่อออกแบบโมเดล ML หรือสร้างแอปพลิเคชันที่ขับเคลื่อนด้วย AI สิ่งสำคัญคือต้องพิจารณาผู้คนที่โต้ตอบกับผลิตภัณฑ์ และวิธีที่ดีที่สุดในการสร้างความเป็นธรรม การตีความ ความเป็นส่วนตัว และความปลอดภัยในระบบ AI เหล่านี้

แนวปฏิบัติด้าน AI ที่มีความรับผิดชอบ

เรียนรู้วิธีผสานรวมแนวปฏิบัติ AI ที่มีความรับผิดชอบเข้ากับเวิร์กโฟลว์ ML ของคุณโดยใช้ TensorFlow

คู่มือผู้คน + AI

คู่มือเล่มนี้จาก Google จะช่วยคุณสร้างผลิตภัณฑ์ AI ที่มีมนุษย์เป็นศูนย์กลาง จะช่วยให้คุณหลีกเลี่ยงข้อผิดพลาดทั่วไป ออกแบบประสบการณ์ที่ยอดเยี่ยม และมุ่งเน้นที่ผู้คนเมื่อคุณสร้างแอปพลิเคชันที่ขับเคลื่อนด้วย AI

ข้อมูลเบื้องต้นเกี่ยวกับความเป็นธรรมในโมดูลการเรียนรู้ของเครื่อง

โมดูลหนึ่งชั่วโมงนี้ภายใน MLCC ของ Google จะแนะนำให้ผู้เรียนรู้จักกับอคติของมนุษย์ประเภทต่างๆ ที่อาจปรากฏในข้อมูลการฝึกอบรม ตลอดจนกลยุทธ์ในการระบุและประเมินผลกระทบ