Przejdź do głównej treści
  • Machine Learning
Koncepcje uczenia maszynowego
  • Wprowadzenie
  • Wprowadzenie do ML
  • modele ML,
  • Regresja liniowa
  • Regresja logistyczna
  • Klasyfikacja
  • Dane
  • Praca z danymi liczbowymi
  • Praca z danymi kategorialnymi
  • Zbiory danych, uogólnianie i nadmierne dopasowanie
  • Zaawansowane modele ML
  • sieci neuronowe,
  • Wektory dystrybucyjne
  • Wprowadzenie do dużych modeli językowych
  • Sztuczna inteligencja w praktyce
  • Systemy ML w produkcji
  • Automatyczne systemy uczące się
  • Obiektywność
Kursy podstawowe Kursy zaawansowane Przewodniki Słownik
  • Wszystkie warunki
  • Agentowe
  • Grupuję
  • lasy decyzyjne.
  • Podstawowe informacje
  • GCP
  • Generatywna AI
  • Dane
  • Odpowiedzialna AI
  • TensorFlow
/
  • English
  • Deutsch
  • Español
  • Español – América Latina
  • Français
  • Indonesia
  • Italiano
  • Polski
  • Português – Brasil
  • Tiếng Việt
  • Türkçe
  • Русский
  • Українська
  • עברית
  • العربيّة
  • فارسی
  • हिंदी
  • বাংলা
  • ภาษาไทย
  • 中文 – 简体
  • 中文 – 繁體
  • 日本語
  • 한국어
Zaloguj się
  • Koncepcje uczenia maszynowego
Strona główna Crash Course
  • Machine Learning
  • Koncepcje uczenia maszynowego
    • Więcej
    • Strona główna
    • Crash Course
  • Kursy podstawowe
  • Kursy zaawansowane
  • Przewodniki
  • Słownik
    • Więcej
  • Szybkie linki
  • Wymagania wstępne
  • Ćwiczenia
  • Centrum pomocy
  • modele ML,
  • Regresja liniowa (80 min)
    • Regresja liniowa (10 min)
    • Strata (10 min)
    • Ćwiczenie interaktywne: Parametry (5 min)
    • Gradient descent (10 min)
    • Hiperparametry (10 min)
    • Ćwiczenie interaktywne: zstępujące ścieżki (5 min)
    • Ćwiczenie z programowania (20 min)
    • Test wiedzy (10 min)
    • Co dalej
  • Regresja logistyczna (35 min)
    • Wprowadzenie (5 min)
    • Obliczanie prawdopodobieństwa (10 min)
    • Strata i regularyzacja (10 min)
    • Test wiedzy (10 min)
    • Co dalej
  • Klasyfikacja (70 min)
    • Wprowadzenie (3 minuty)
    • Próg i tabela pomyłek (12 min)
    • Dokładność, czułość, precyzja i powiązane dane (15 min)
    • ROC i AUC (10 min)
    • Zależność prognozy od danych (3 minuty)
    • Klasyfikacja wieloklasowa (2 min)
    • Ćwiczenie programowania (15 min)
    • Test wiedzy (10 min)
    • Co dalej
  • Dane
  • Praca z danymi liczbowymi (85 min)
    • Wprowadzenie (3 minuty)
    • Jak model przetwarza dane za pomocą wektorów cech (5 min)
    • Pierwsze kroki (5 min)
    • Ćwiczenia programistyczne (10 min)
    • Normalizacja (20 min)
    • Binning (15 min)
    • Przewijanie (5 min)
    • Cechy dobrych cech liczbowych (5 min)
    • Transformacje wielomianowe (5 min)
    • Test wiedzy (10 min)
    • Podsumowanie (2 min)
    • Co dalej
  • Praca z danymi kategorialnymi (50 min)
    • Wprowadzenie (5 min)
    • Słownictwo i kodowanie one-hot (10 min)
    • Typowe problemy z danymi kategorialnymi (5 min)
    • Przejścia (5 min)
    • Ćwiczenia na krzyż (15 min)
    • Test wiedzy (10 min)
    • Co dalej
  • Zestawy danych, uogólnianie i nadmierne dopasowanie (105 min)
    • Wprowadzenie (5 min)
    • Charakterystyka danych (10 min)
    • Etykiety (10 min)
    • Zbiory danych z niezrównoważonymi danymi (10 min)
    • Dzielenie pierwotnego zbioru danych (10 min)
    • Przekształcanie danych (5 min)
    • Generalizacja (5 min)
    • Nadmierne dopasowanie (10 min)
    • Złożoność modelu (10 min)
    • Regularyzacja L2 (10 min)
    • Interpretowanie krzywych utraty (10 min)
    • Test wiedzy (10 min)
    • Co dalej
  • Zaawansowane modele ML
  • Sieci neuronowe (75 min)
    • Wprowadzenie (5 min)
    • Węzły i ukryte warstwy (15 min)
    • Funkcje aktywacji (10 min)
    • Trenowanie za pomocą rekurencyjnego propagowania błędu (10 min)
    • Ćwiczenia interaktywne (15 minut)
    • Klasyfikacja wieloklasowa (10 min)
    • Test wiedzy (10 min)
    • Co dalej
  • Wektory dystrybucyjne (45 min)
    • Wprowadzenie (5 min)
    • Przestrzeń wektorów dystrybucyjnych i statyczne wektory dystrybucyjne (10 minut)
    • Ćwiczenia interaktywne (15 minut)
    • Pobieranie wektorów (15 min)
    • Test wiedzy (10 min)
    • Co dalej
  • Wprowadzenie do dużych modeli językowych (45 min)
    • Co to jest model językowy? (10 min)
    • Czym jest duży model językowy? (15 min)
    • Dostrojenie, destylacja i tworzenie promptów (10 min)
    • Test wiedzy (10 min)
    • Co dalej
  • Sztuczna inteligencja w praktyce
  • Produkcyjne systemy uczenia maszynowego (80 min)
    • Wprowadzenie (2 min)
    • Statyczny a dynamiczny trening (10 min)
    • Porównanie statycznej i dynamicznej analizy (10 min)
    • Kiedy przekształcać dane? (3 min)
    • Testowanie wdrożenia (5 min)
    • Monitorowanie potoków (25 min)
    • Pytania, które należy zadać (10 min)
    • Test wiedzy (15 min)
    • Co dalej
  • Automatyczne systemy uczące się (30 min)
    • Wprowadzenie (10 min)
    • Korzyści i ograniczenia (10 min)
    • Pierwsze kroki (10 min)
    • Co dalej
  • Obiektywność (110 min)
    • Wprowadzenie (5 min)
    • Rodzaje stronniczości (5 min)
    • Wykrywanie uprzedzenia (10 min)
    • Jak zmniejszyć występowanie uprzedzeń w danych (5 min)
    • Ocena stronniczości (5 min)
    • Parytet demograficzny (10 min)
    • Równe szanse (10 min)
    • Obiektywność w przypadku danych kontrfaktywnych (10 min)
    • Ćwiczenie programowania (40 min)
    • Test wiedzy (10 min)
    • Co dalej
  • Wprowadzenie
  • Wprowadzenie do ML
  • modele ML,
  • Regresja liniowa
  • Regresja logistyczna
  • Klasyfikacja
  • Dane
  • Praca z danymi liczbowymi
  • Praca z danymi kategorialnymi
  • Zbiory danych, uogólnianie i nadmierne dopasowanie
  • Zaawansowane modele ML
  • sieci neuronowe,
  • Wektory dystrybucyjne
  • Wprowadzenie do dużych modeli językowych
  • Sztuczna inteligencja w praktyce
  • Systemy ML w produkcji
  • Automatyczne systemy uczące się
  • Obiektywność
  • Wszystkie warunki
  • Agentowe
  • Grupuję
  • lasy decyzyjne.
  • Podstawowe informacje
  • GCP
  • Generatywna AI
  • Dane
  • Odpowiedzialna AI
  • TensorFlow
Google używa technologii AI do tłumaczenia treści na Twój preferowany język. Tłumaczenia wygenerowane przez AI mogą zawierać błędy.
  • Strona główna
  • Usługi
  • Machine Learning
  • Koncepcje uczenia maszynowego