基础课程

基础知识课程介绍了机器学习基础知识和核心概念。

建议您按照以下顺序操作。
机器学习简介。
新
一门实操课程，探索机器学习的关键基础知识。
一门帮助您将实际问题映射到机器学习解决方案的课程。
新
了解如何管理机器学习项目。

高级课程

这些高级课程将介绍各种工具和技术来解决各种机器学习问题。

这些课程由多个独立结构组成。请根据兴趣或有问题的领域加以确定。

新
决策森林是神经网络的替代方案。
推荐系统会生成个性化建议。
聚类是一种重要的非监督式机器学习策略，用于将相关项关联起来。
GAN 会创建类似于您的训练数据的新数据实例。
这是一张猫的照片还是一只狗？

指南

我们的指南提供了简单的分步演示，可让您使用最佳实践解决常见的机器学习问题。
遵循 Google 使用的这些机器学习最佳实践，成为更好的机器学习工程师。
本指南可帮助用户体验设计者、项目经理和开发者协作解决 AI 设计主题和问题。
本综合指南提供了使用机器学习解决文本分类问题的演示。
本指南介绍了专业数据分析师用于评估机器学习问题中的大型数据集的技巧。
本指南介绍了一种科学方法，可以优化深度学习模型的训练。
本指南介绍了机器学习从业者在处理数据和统计信息时可能会遇到的常见错误。
本入门指南概要介绍了如何在 AI 系统中实现公平性、问责制、安全性和隐私保护。
浏览对抗性测试工作流示例。

术语库

这些术语表定义了机器学习术语。
新
机器学习基本术语和定义。
新
决策森林关键术语和定义。
新
对关键术语和定义进行聚类。
包含所有定义的完整术语表。