Back to blog post

Kurs Google dotyczący uczenia maszynowego: przewodnik dla początkujących

Read this article from MammothClub.

Kursem Google z zakresu uczenia maszynowego jest najczęściej bezpłatny „Machine Learning Crash Course” – samokształceniowe wprowadzenie, które pozwala zapoznać się z podstawowymi pojęciami za pomocą krótkich filmów, interaktywnych wizualizacji oraz ćwiczeń programistycznych realizowanych w przeglądarce. Kurs ten jest odpowiedni dla początkujących, którzy radzą sobie z podstawową matematyką i podstawami programowania, i zapewnia solidne podstawy, choć nie prowadzi do uzyskania formalnego certyfikatu. W niniejszym przewodniku wyjaśniono, co obejmuje kurs, czego potrzebujesz przed rozpoczęciem, ile czasu należy na niego przeznaczyć oraz jak przekształcić zdobytą wiedzę w coś, co zostanie docenione przez pracodawcę.

Czym jest kurs Google dotyczący uczenia maszynowego?

Oferta Google to „Machine Learning Crash Course” – praktyczne wprowadzenie, które według opisu Google wykorzystuje animowane filmy, interaktywne wizualizacje i ćwiczenia praktyczne. Kurs ten stanowi część szerszego cyklu kursów podstawowych, który obejmuje również kurs „Introduction to Machine Learning” („Wprowadzenie do uczenia maszynowego”) – rozsądny punkt wyjścia dla osób, które nie znają jeszcze terminologii z tej dziedziny.

Kurs jest przeznaczony dla osób, które chcą zrozumieć, w jaki sposób modele są trenowane, oceniane i wdrażane, a nie tylko jak wywołać bibliotekę. To właśnie nacisk na analizę danych i zachowania modeli sprawia, że kurs ten jest przydatny dla profesjonalistów, którzy będą współpracować z inżynierami lub sami planują zostać inżynierami.

Dwie kwestie pomogą jasno określić oczekiwania:

  • Jest to materiał edukacyjny, a nie certyfikacja. Strony kursu nie oferują certyfikatów uzyskanych w ramach egzaminów pod nadzorem.
  • Kurs uczy podstaw. Narzędzia specyficzne dla chmury oraz certyfikaty związane z konkretnymi stanowiskami są dostępne w ramach oddzielnych programów.

Jakie tematy obejmuje kurs?

Kurs przechodzi od podstaw do nowoczesnych technik w przemyślanej kolejności, zaczynając od regresji i klasyfikacji, a kończąc na sieciach neuronowych i dużych modelach językowych. Zgodnie z programem kursu opracowanym przez Google materiał podzielony jest na trzy poziomy.

Podstawowe pojęcia z zakresu modelowania

Wstępne moduły obejmują regresję liniową, regresję logistyczną oraz klasyfikację, w tym wskaźniki stosowane do oceny klasyfikatorów: dokładność, precyzję, odzyskiwalność oraz AUC. Będziesz również pracować z danymi liczbowymi i kategorycznymi, dowiesz się, jak zbudowane są zbiory danych, oraz zapoznasz się z zagadnieniami uogólnienia i naddopasowania, czyli różnicą między modelem, który zapamiętuje dane szkoleniowe, a modelem, który radzi sobie z nowymi danymi.

Moduły zaawansowane

W kolejnych modułach omówione zostaną sieci neuronowe, osadzenia oraz wprowadzenie do dużych modeli językowych. Sekcje te łączą klasyczne uczenie maszynowe z generatywnymi systemami sztucznej inteligencji, z którymi większość profesjonalistów ma obecnie do czynienia w pracy.

Wdrożenie i odpowiedzialność

Kurs porusza również temat produkcyjnych systemów uczenia maszynowego, AutoML oraz sprawiedliwości w uczeniu maszynowym. Jest to część, której wielu początkujących oczekuje na zaawansowanym kursie, a jej uwzględnienie w tym miejscu oznacza, że dowiesz się, co dzieje się po wytrenowaniu modelu, w tym o monitorowaniu, jakości danych i stronniczości.

Aby ułatwić naukę słownictwa, firma Google udostępnia słownik terminów związanych z uczeniem maszynowym, obejmujący modele, klasyfikację, regresję oraz pojęcia związane z uczeniem. Otwarcie go w drugiej zakładce pozwoli uniknąć sytuacji, w której niewielkie luki w znajomości terminologii spowolnią Twoją naukę.

Three tiers of the Google ML Crash Course

Czego potrzebujesz przed rozpoczęciem?

Nie musisz posiadać wcześniejszej wiedzy z zakresu uczenia maszynowego, ale przyda się pewna swoboda w posługiwaniu się pojęciami ilościowymi oraz w programowaniu. Na stronie Google poświęconej wymaganiom wstępnym zaznaczono, że wcześniejsza wiedza z zakresu uczenia maszynowego nie jest wymagana, a zaleca się znajomość zmiennych, równań liniowych, wykresów, histogramów i średnich statystycznych. Zalecana jest również umiejętność programowania.

Krótka samoocena przed zapisaniem się:

  1. Czy potrafisz odczytać wykres liniowy i histogram oraz wyjaśnić, co każdy z nich przedstawia?
  2. Czy potrafisz przekształcić proste równanie liniowe, takie jak y = mx + b?
  3. Czy potrafisz wyjaśnić, co oznacza średnia i w jakich przypadkach może ona wprowadzać w błąd?
  4. Czy potrafisz odczytać i zmodyfikować krótki kod w języku Python?

Jeśli odpowiedź na czwarte pytanie brzmi „nie”, najpierw rozwij tę umiejętność. Ustrukturyzowana ścieżka nauki, taka jak „Podstawy programowania w języku Python”, pozwoli Ci uzupełnić braki przed przystąpieniem do ćwiczeń, co pozwoli uniknąć frustracji w przyszłości.

Jak działają ćwiczenia?

Ćwiczenia programistyczne działają w przeglądarce i nie wymagają instalacji. Google informuje, że ćwiczenia programistyczne wykorzystują Colaboratory, więc wystarczy otworzyć notatnik, uruchomić komórki i zobaczyć wyniki bez konieczności konfigurowania środowiska lokalnego.

To znacznie obniża barierę wejścia. Osoby zmieniające ścieżkę kariery, które nie czują się jeszcze pewnie w obsłudze menedżerów pakietów, środowisk wirtualnych czy sterowników kart graficznych, mogą skupić się na logice modelowania, a nie na problemach związanych z konfiguracją. Ponieważ każdy notatnik jest samodzielnym dokumentem, można również zapisać jego kopię, opatrzyć ją własnymi adnotacjami i wrócić do niej później jako do materiału referencyjnego lub surowca do portfolio.

Pomocny jest tu praktyczny nawyk: nie uruchamiaj wyłącznie dostarczonych komórek. Zmień hiperparametr, usuń cechę lub zmodyfikuj podział na zestaw szkoleniowy i walidacyjny, a następnie przewidź efekt przed wykonaniem. Na przykład w ćwiczeniu z regresji możesz zmniejszyć zestaw szkoleniowy i zapisać, czy spodziewasz się, że różnica między błędem szkoleniowym a walidacyjnym wzrośnie, czy zmniejszy się, a następnie to sprawdzić. W ćwiczeniu z klasyfikacji możesz przesunąć próg decyzyjny i zanotować, która z wartości – precyzja czy odzyskiwalność – zmienia się wraz z nim. Ta niewielka dyscyplina zamienia bierne śledzenie w rzeczywiste zrozumienie i właśnie ten nawyk rekruterzy zazwyczaj sprawdzają podczas rozmowy kwalifikacyjnej.

Jak długo trwa kurs Google dotyczący uczenia maszynowego?

Zaplanuj kilka tygodni nauki w niepełnym wymiarze godzin, a nie tylko jeden weekend. Google nie określa kursu jako programu o stałej długości, a tempo nauki zależy od Twojej wiedzy matematycznej oraz tego, jak dokładnie wykonujesz ćwiczenia. Realistycznym podejściem jest zaplanowanie od trzech do pięciu krótkich sesji tygodniowo i traktowanie każdego modułu jako odrębnej całości, zakończonej pisemnym podsumowaniem.

Wskazówki dotyczące tempa nauki, które sprawdzają się w przypadku osób pracujących zawodowo:

  • Ucz się w krótkich blokach. Czterdzieści pięć minut skupionej pracy nad ćwiczeniem jest lepsze niż trzygodzinna sesja biernej nauki.
  • Pisz podsumowania składające się z jednego akapitu. Wyjaśnij każdy moduł prostym językiem, tak jakbyś przekazywał informacje koledze.
  • Wróć do wskaźników. Precyzja, odtwarzalność i AUC to pojęcia łatwe do przeczytania, ale trudne do zastosowania w praktyce, więc wróć do nich po przerobieniu modułów dotyczących klasyfikacji.
How Long Does a Google Machine Learning Class Take?

Czy kurs Google wystarczy, aby znaleźć pracę?

Sam w sobie – nie. Dobrze wyjaśnia podstawowe pojęcia, ale pracodawcy poszukujący kandydatów na stanowiska związane ze sztuczną inteligencją zazwyczaj oczekują weryfikowalnych kwalifikacji i udokumentowanych projektów, a ten intensywny kurs nie zapewnia ani jednego, ani drugiego. Kurs stanowi solidną podstawę; to, co zbudujesz na nim, decyduje o twoich wynikach.

Oto porównanie poszczególnych elementów:

Element Co potwierdza Luka, jaką pozostawia
Szybki kurs uczenia maszynowego Google Zrozumiesz podstawowe pojęcia Brak egzaminu pod nadzorem ani uznanego certyfikatu
Projekty do portfolio Potrafisz zastosować poznane koncepcje do rozwiązania problemu Wymaga jasnego określenia kontekstu biznesowego
Certyfikacja pod nadzorem Twoje umiejętności zostały niezależnie ocenione Wymaga usystematyzowanego przygotowania

Połączenie podstawowej wiedzy, projektu praktycznego i certyfikatu w CV mówi osobie odpowiedzialnej za rekrutację więcej niż samo ukończenie kursu.

From free course to hireable profile

Jak kurs Google wypada na tle innych opcji dla początkujących?

Kurs Google kładzie nacisk na zrozumienie koncepcji i jest dostępny za darmo, podczas gdy inne opcje mogą oferować bardziej ustrukturyzowany program, ocenę wiedzy oraz certyfikaty. Wybór zależy od tego, co chcesz osiągnąć dzięki tej nauce w swojej karierze.

  • Szybki kurs Google dotyczący uczenia maszynowego: najlepszy do zrozumienia logiki modeli. Samokształcenie, brak formalnych certyfikatów.
  • Szkolenia Google Cloud: katalog szkoleń Google Cloud oferuje ścieżki edukacyjne dla osób, które chcą pracować w dziedzinie uczenia maszynowego w chmurze.
  • Ustrukturyzowane programy certyfikacyjne: łączą one lekcje, oceniane zadania, projekty oraz egzamin końcowy. Na przykład kurs przygotowujący do certyfikatu AWS Certified Machine Learning Specialty oferowany przez MammothClub łączy treści kursu z dziesięcioma egzaminami próbnymi, umożliwiając uzyskanie certyfikatu uznawanego przez dostawcę.

Wielu uczących się łączy te podejścia: materiały Google służą do opanowania podstaw koncepcyjnych, a następnie wybierają ścieżkę certyfikacyjną w celu uzyskania certyfikatu. Jeśli rozważasz kilka ścieżek, przegląd opcji kursów online z zakresu uczenia maszynowego oraz przewodnik po certyfikacji AI online przedstawiają, co oferuje każdy z tych rodzajów.

Jak przekształcić kurs w certyfikat?

Gdy opanujesz już podstawowe moduły, przejdź od bezpłatnych materiałów do ustrukturyzowanej ścieżki z oceną. Sekwencja, która najlepiej sprawdza się w przypadku profesjonalistów i osób zmieniających karierę, składa się z czterech kroków.

  1. Opanuj podstawy. Ukończ moduły dotyczące regresji, klasyfikacji i danych, zanim przejdziesz do tematów zaawansowanych.
  2. Zastosuj poznane koncepcje do rozwiązania problemu z pracy. Wybierz zbiór danych z własnej dziedziny, np. dotyczący sprzedaży, zgłoszeń do pomocy technicznej lub dzienników operacyjnych.
  3. Wybierz cel certyfikacyjny. Dopasuj go do swojej roli: uczenie maszynowe w chmurze, sztuczna inteligencja ogólna lub ścieżka specyficzna dla danego dostawcy. Przegląd certyfikacji inżyniera AI pomaga porównać dostępne opcje.
  4. Ćwicz w warunkach egzaminacyjnych. Rozwiązywanie zadań na czas pozwala szybciej zidentyfikować słabe punkty niż ponowne czytanie notatek.

Dla osób, które chcą korzystać z jednego środowiska do realizacji tej ścieżki rozwoju, członkostwo Mammoth Club Unlimited łączy ponad 3 000 kursów, ścieżek certyfikacyjnych, egzaminów próbnych, narzędzi i zasobów cyfrowych w ramach jednej rocznej subskrypcji. Ścieżki certyfikacyjne obejmują wbudowane oceny, portfolio projektów oraz egzaminy końcowe pod nadzorem, a lekcje mają formę tekstową i można je przeszukiwać, dzięki czemu można zastosować zdobytą wiedzę jeszcze tego samego dnia. Kursy, laboratoria i oceny są aktualizowane co miesiąc wraz ze zmianami narzędzi, co ma znaczenie w dziedzinie, w której frameworki ulegają szybkim zmianom. Każdy, kto szuka wyłącznie bezpłatnych treści lub pojedynczego krótkiego filmu, uzna bezpłatne materiały Google za lepsze rozwiązanie.

Jakie są mocne strony i ograniczenia kursu Google Class?

Kurs ten doskonale rozwija intuicję, ale oferuje mniej możliwości jej weryfikacji. Rozważenie obu stron pozwala zachować realistyczne oczekiwania.

Zalety

  • Przejrzyste omówienie cyklu życia modelowania, od regresji, przez systemy produkcyjne, aż po kwestie sprawiedliwości, w tym wskaźniki klasyfikacyjne służące do oceny modeli wykraczające poza samą dokładność.
  • Ćwiczenia w przeglądarce, niewymagające żadnej konfiguracji, dzięki czemu pierwsza sesja programowania rozpoczyna się w ciągu kilku minut od otwarcia notatnika.
  • Treści opublikowane przez Google dla programistów.
  • Zero kosztów początkowych, co pozwala bez ryzyka sprawdzić swoje zainteresowanie, zanim zainwestujesz pieniądze lub poświęcisz miesiące na dłuższy program.

Ograniczenia

  • Brak egzaminu pod nadzorem, więc sam w sobie ma niewielką wagę w CV. Wpis „ukończyłem kurs Machine Learning Crash Course” informuje rekrutera, że zapoznałeś się z materiałem, a nie że ktoś zweryfikował, co potrafisz z nim zrobić.
  • Format samodzielnej nauki wymaga dyscypliny i nie zapewnia żadnej odpowiedzialności. Bez terminu zakończenia trudniejszy moduł często zostaje odłożony na później, a późniejsze moduły dotyczące sieci neuronowych i wbudowań opierają się bezpośrednio na wcześniejszych.
  • Ograniczone wskazówki dotyczące przekładania koncepcji na przypadki biznesowe, więc zastosowanie ich do problemu interesariusza pozostaje w gestii uczącego się.
  • Brak wsparcia w zakresie rozwoju kariery, przeglądu portfolio czy ustrukturyzowanych wymagań projektowych, więc decyzja o tym, co stworzyć i czy jest to wystarczająco dobre, by to pokazać, spoczywa wyłącznie na tobie.

Często zadawane pytania

Czy kurs Google dotyczący uczenia maszynowego jest bezpłatny?

Kurs „Machine Learning Crash Course” jest udostępniany na zasadach otwartego dostępu przez Google for Developers, a ćwiczenia z niego można wykonywać w przeglądarce. Aktualne warunki znajdziesz na stronie kursu, ponieważ oferta może ulec zmianie.

Czy muszę znać język Python?

Firma Google zaleca posiadanie umiejętności programowania. Można zrozumieć przedstawiane zagadnienia bez tej wiedzy, ale ćwiczenia są znacznie bardziej przydatne, jeśli potrafisz czytać i edytować krótkie fragmenty kodu w języku Python.

Czy podczas kursu dowiem się czegoś o dużych modelach językowych?

Kurs zawiera wprowadzenie do dużych modeli językowych, a także do sieci neuronowych i osadzeń. Jest to wprowadzenie, a nie dogłębne omówienie zagadnień inżynieryjnych. Jeśli chodzi o praktyczne umiejętności w zakresie generatywnej sztucznej inteligencji, praktycznym kolejnym krokiem może być kurs praktyczny, taki jak 8-godzinny pakiet filmów Google Gemini poświęcony inżynierii promptów.

Czy po ukończeniu kursu będę mógł znaleźć pracę?

Kurs ten zapewnia podstawy, ale decyzje dotyczące zatrudnienia zazwyczaj zależą od kwalifikacji i zrealizowanych projektów. Bardziej pewną drogą jest połączenie go z portfolio prac i uznanym certyfikatem.

Czego powinienem się uczyć po zakończeniu intensywnego kursu?

Skup się na przygotowaniu do konkretnej roli.


Kolejnym krokiem jest otwarcie w tym tygodniu pierwszego modułu kursu intensywnego z uczenia maszynowego, wykonanie jednego ćwiczenia w Colaboratory oraz napisanie krótkiego podsumowania tego, czego się nauczyłeś. Kiedy będziesz gotowy, aby przekształcić tę podstawową wiedzę w certyfikat obejmujący oceny, projekty i egzamin pod nadzorem, członkostwo Mammoth Club Unlimited zapewni Ci dostęp do kursów, laboratoriów praktycznych i egzaminów w jednym miejscu, a MammothClub to miejsce, w którym możesz uzyskać nieograniczony dostęp do ścieżek certyfikacyjnych uznawanych przez pracodawców.