Lesson 4 — 什麼是 ML 模型?訓練目標是什麼?回歸模型(Regression model)與分類模型(Classification model)各自的運算方式。
Lesson 3 — 多維度線性回歸(N-D Regression)介紹,比較交叉熵(cross-entropy)與均方差(MSE)作為誤差函數的差別。
Lesson 2 — 監督式學習的兩大問題:回歸(Regression)與分類(Classification)。
Lesson 1 — 監督式學習(Supervised)與非監督式學習(Unsupervised)的介紹與比較,開始新課程《Launching into Machine Learning》。
Lab 3 — Machine Learning APIs 實作篇,串接 Google 的圖片辨識、語音辨識、語言翻譯、自然語言辨識 API。
Lab 2 — 使用 BigQuery 與 Cloud Datalab 視覺化分析資料的完整操作紀錄。
Lesson 9 — 整理 Google Cloud 的 5 種 ML API:Vision(圖片)、Video(影片)、Speech(語音)、Translation(翻譯)、NL(自然語言)的功能與用途。
Lesson 8 — Cloud Shell 介紹、Google Cloud 三代演進(fully-managed / serverless / BigQuery + Datalab),以及 ML 與一般演算法的優勢比較。
Lab 1 — 在 Google Cloud 上 Rent-a-VM 分析地震資料、製圖並儲存到雲端的完整操作紀錄。
Lab 0 — Qwiklabs 介紹,紀錄每次在 Google Cloud 上開 lab 前必做的事前準備與注意事項。