Google предоставляет бесплатное машинное обучение для всех

Ускоренный курс машинного обучения Google уже был доставлен более чем 18 000 сотрудников Google, и теперь он стал доступен всем бесплатно и в рамках программы Learn with Google AI, нового образовательного ресурса, предназначенного для каждого разработчика.

Google AI — это портал Google для всего, что связано с искусственным интеллектом. В разделе «Наша работа» вы найдете подборку основных исследований с использованием ИИ, а также использование ИИ в Переводчике Google и набеги Google на мобильную фотографию, а также большой выбор проектов машинного обучения. У Google есть три отдельные лаборатории искусственного интеллекта: Google Research, Brain Team и PAIR (People + AI Research Initiative), и есть ссылки для изучения работы всех трех. В разделе «Инструменты» вы найдете ссылки на Tensorflow, Cloud TPU, Cloud Machine Learning и недавнее приобретение Google Kaggle, которое описывает себя как:
Дом науки о данных и машинного обучения
Зури Кемп, возглавляющий образовательную программу Google по машинному обучению с целью сделать ИИ и его преимущества доступными для всех, объявил о новом разделе «Образование», в котором говорится:
Чтобы помочь всем понять, как искусственный интеллект может решать сложные задачи, мы создали ресурс под названием Learn with Google AI. Этот сайт предоставляет способы узнать об основных концепциях машинного обучения, развить и отточить свои навыки машинного обучения и применить машинное обучение к реальным проблемам. От экспертов по глубокому обучению, которые ищут расширенные руководства и материалы по TensorFlow, до «любопытных котов», которые хотят сделать свои первые шаги в области ИИ, любой, кто ищет образовательный контент от экспертов по машинному обучению в Google, может найти его здесь.

Первое место в списке ресурсов занимает ускоренный курс машинного обучения (MLCC), бесплатный курс, который предоставляет упражнения, интерактивные визуализации и обучающие видео, которые каждый может использовать для изучения и практики концепций машинного обучения. Согласно этому наглядному обзору, он содержит 15 часов материала, разделенных на 25 уроков с различными материалами.
Представляя MLCC в блоге разработчиков Google, Барри Розенберг из группы инженерного образования Google объясняет:
Наша группа инженерного образования изначально разработала это динамичное практическое введение в основы машинного обучения для сотрудников Google. На данный момент более 18 000 сотрудников Google зарегистрировались в MLCC, применяя уроки из курса для улучшения калибровки камеры для устройств Daydream, создания виртуальной реальности для Google Earth и улучшения качества потоковой передачи на YouTube. Успех MLCC в Google вдохновил нас сделать его доступным для всех.

MLCC охватывает многие основы машинного обучения, начиная с потерь и градиентного спуска, а затем используя модели классификации и нейронные сети. Упражнения по программированию знакомят с TensorFlow. Вы будете смотреть короткие видеоролики от экспертов по машинному обучению Google, читать короткие текстовые уроки и играть с образовательными гаджетами, разработанными дизайнерами и инженерами учебных заведений.
Это вводное видео для курса от Питера Норвига и показывает, чего ожидать:

Хотя MLCC не требует каких-либо предварительных знаний в области машинного обучения, для понимания представленных концепций и выполнения упражнений рекомендуется, чтобы учащиеся имели некоторый опыт программирования на Python, чтобы выполнять упражнения по программированию на TensorFlow и с алгеброй начального уровня — переменные коэффициенты, линейные уравнения, графики функций и гистограммы; знакомство с более сложными математическими понятиями, такими как логарифмы и производные, полезно, но не обязательно.
Learn with Google AI также включает видео-инструкции по машинному обучению, примеры кода, документацию, включая глоссарий, ссылки на TensorFlow на GitHub, ссылки на курсы по Udacity на Coursera и доступ к Kaggle Learn. Чтобы помочь вам найти необходимые ресурсы, вы можете фильтровать их по типу контента, стадии разработки машинного обучения и вашей роли — исследователь, специалист по данным, инженер-программист, лицо, принимающее бизнес-решения, студент или «любопытный кот».
По словам Зури Кемпа, будет добавлено больше ресурсов, включая больше курсов и документации. Похоже, это станет отличным ресурсом для знакомства с машинным обучением с TensorFlow.