머신러닝 단기집중과정

Google에서 제공하는 머신러닝에 대한 빠르고 실용적인 소개로, 일련의 애니메이션 동영상, 대화형 시각화, 실습이 포함되어 있습니다.
단기집중과정 시작 과정 모듈 둘러보기 기본 요건 보기 고객센터

머신러닝 단기집중과정에는 어떤 새로운 내용이 있나요?

2018년부터 전 세계 수백만 명의 사용자가 머신러닝 단기집중과정에서 머신러닝의 작동 원리와 머신러닝을 활용하는 방법을 알아보고 있습니다. 양방향 학습에 중점을 두고 AI의 최근 발전을 다루는 업데이트된 버전의 MLCC를 출시하게 되어 기쁩니다. 새로운 MLCC에 대해 자세히 알아보려면 이 동영상을 시청하세요.

과정 모듈

각 머신러닝 단기집중과정 모듈은 독립형이므로 머신러닝에 대한 사전 경험이 있는 경우 학습하려는 주제로 바로 건너뛸 수 있습니다. 머신러닝을 처음 접하는 경우 아래 순서대로 모듈을 완료하는 것이 좋습니다.

ML 모델

이 모듈에서는 회귀 및 분류 모델을 빌드하는 기본사항을 다룹니다.

선형 모델, 손실, 경사 하강, 하이퍼파라미터 조정을 다루는 선형 회귀 소개입니다.
ML 모델이 특정 결과의 확률을 예측하도록 설계된 로지스틱 회귀를 소개합니다.
이진 분류 모델에 관한 소개로, 임곗값, 혼동 행렬, 정확성, 정밀도, 재현율, AUC와 같은 측정항목을 다룹니다.

데이터

이 모듈에서는 머신러닝 데이터를 사용하는 데 필요한 기본 기술과 권장사항을 다룹니다.

ML 모델을 더 효과적으로 학습하는 데 도움이 되는 수치 데이터를 분석하고 변환하는 방법을 알아보세요.
범주형 데이터를 사용하는 기본사항을 알아봅니다. 범주형 데이터를 숫자 데이터와 구분하는 방법, 원-핫 인코딩, 특성 해싱, 평균 인코딩을 사용하여 범주형 데이터를 수치로 표현하는 방법, 특성 교차를 실행하는 방법을 알아봅니다.
머신러닝 데이터 세트의 특성과 모델을 학습하고 평가할 때 고품질 결과를 얻기 위해 데이터를 준비하는 방법을 소개합니다.

고급 ML 모델

이 모듈에서는 고급 ML 모델 아키텍처를 다룹니다.

퍼셉트론, 숨겨진 레이어, 활성화 함수를 비롯한 신경망 아키텍처의 기본 원리를 소개합니다.
임베딩을 사용하여 대규모 특성 벡터에서 머신러닝을 실행하는 방법을 알아봅니다.
신규
토큰에서 트랜스포저에 이르기까지 대규모 언어 모델을 소개합니다. LLM이 텍스트 출력을 예측하는 방법을 학습하는 방법과 LLM의 아키텍처 및 학습 방법에 관한 기본사항을 알아봅니다.

실제 ML

이 모듈에서는 프로덕션화 권장사항, 자동화, 책임감 있는 엔지니어링을 비롯하여 실제 환경에서 ML 모델을 빌드하고 배포할 때 중요한 고려사항을 다룹니다.

다양한 구성요소에서 머신러닝 프로덕션 시스템이 작동하는 방식을 알아보세요.
신규
자동화된 머신러닝을 사용하는 원리와 권장사항을 알아보세요.
데이터의 편향을 식별하고 완화하는 전략을 비롯하여 ML 모델의 공정성을 감사하기 위한 원칙과 권장사항을 알아봅니다.