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。
Lesson 7 — 初步認識 Google Cloud 上跑 Python notebook 的環境(Cloud Datalab),包含開發流程與 managed service 的概念。
Lesson 6 (下) — 讓 ML 在企業運行的五大階段與注意事項,整理自《How Google does ML》第三章。
Lesson 5 — ML 會失敗的最常見十大陷阱,以及企業運行 ML 時在各階段應該投入多少比重與心力。
Lesson 4 (下) — ML 要成功的秘訣與策略,整理自《How Google does ML》第二章「What it means to be AI first」後半段。
Lesson 3 — 怎麼設計一個 ML 問題,以及 Google 提供哪些已訓練好、可以直接拿來用的 ML 模型。