Google for Developers · Google
Introduction to Machine Learning(Google AI 通识入口)
区分机器学习类型,理解监督学习与传统程序解决问题的差别。
Google for Developers

- 难度
- 见前置条件
- 形式
- 短课程
- 语言
- 英文
- 规模
- 4 个课节
- 内容费用
- 免费
- 动手
- 打开即可学习
选择学习环境
直接在浏览器学习
无需安装 Python,也无需模型 API。按页面 Next 顺序学习;中文可用官网语言切换。
浏览器;账号条件与未验证实践见说明
这条路线已按开课提示词实际跑通最小开课流程查看记录
准备工具和账号
标“选用”的可以跳过。
- 浏览器 阅读正文和完成课内问题
- 记事本或 Markdown 编辑器选用记录四类机器学习及自己的例子
让 AI Agent 一次搭好课程
复制开课提示词发给你常用的 AI Agent。它会下载允许保存的官方材料、建立课节目录并自检;需要账号、权限或费用时会先问你。
开课提示词 · 只需用一次请帮我把「Introduction to Machine Learning(Google AI 通识入口)」的学习环境一次准备好,让我之后只需要按顺序学习和做练习。 开始前先问我:课程放在哪个目录(等我给出完整路径),确认我的操作系统和已有工具。确认前不要创建文件或安装软件。 课程入口:https://developers.google.com/machine-learning/intro-to-ml 我的系统:Windows。如果实际不符,先调整方案。 本次路线:直接在浏览器学习。只准备这条路线需要的工具;只读路线不安装运行环境、不配置模型密钥。 练习:完成官方Check Your Understanding选择题;再用自己的例子区分回归、分类、无监督学习、强化学习和生成式AI。不把本课完成等同于能够训练模型。 课节(官方顺序): 1. Overview:https://developers.google.com/machine-learning/intro-to-ml 2. What is Machine Learning?:https://developers.google.com/machine-learning/intro-to-ml/what-is-ml 3. Supervised Learning:https://developers.google.com/machine-learning/intro-to-ml/supervised 4. Test Your Understanding:https://developers.google.com/machine-learning/intro-to-ml/understanding 1. 环境 - 用浏览器阅读官方材料并准备个人笔记,不安装运行环境。 - 无需安装 Python,也无需模型 API。按页面 Next 顺序学习;中文可用官网语言切换。 - 读到每种学习类型时暂停:先用自己的话解释它解决的问题,再看文中的例子。 - 读 Supervised Learning,记下 feature、label、model 的关系。用“根据房屋面积估计价格”分别填出输入与目标。 - 按 Next 读完后,给“预测明天气温”和“判断邮件是否垃圾邮件”分类;各写一句理由。 - 安装前先列出要装的软件和命令,等我同意;已装好的直接复用。 2. 材料 - 官方概念课程:只记录链接 https://developers.google.com/machine-learning/intro-to-ml(页面除另有说明的内容可依CC BY 4.0使用;保留署名、链接和变更说明。) 3. 目录(最外层放在我确认的位置) intro-to-ml/ ├── README.md # 课程入口、课节清单、每次怎么开始 ├── progress.md # 每课:读讲义 / 做练习 / 记笔记 ├── questions.md # 待解决的问题 ├── check-env.md # 环境自检,按 README 操作 ├── data/ # 练习用到的样例数据 └── lessons/ # 每课一个文件夹:notes.md + exercises/ ├── 01-lesson-01/ ├── 02-lesson-02/ ├── 03-lesson-03/ └── 04-lesson-04/ - 每课文件夹里建 notes.md(顶部写本课官方链接)和 exercises/;课节文件夹名称与上面一致。 - 已有课程目录先检查并复用;不覆盖笔记、作业或 progress.md,不重置已有进度。尚未发布的课节保留入口并注明未发布,不能代写讲义或虚构练习。 4. 自检 - 创建 check-env.md,逐项检查并记录“通过/未通过”: - 按浏览器或在线 notebook 清单检查,不为自检安装本机终端。 - 在浏览器打开本路线的官方首课,确认正文与阅读顺序可见;遇到登录或访问限制如实记录,不安装计算环境。 - 标注为人工检查、浏览器操作或 notebook 单元的项目,按相应方式操作,不直接粘贴进 shell;脚本只包含当前系统可执行的命令。 - 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项;需要登录、付费或尚未开放的材料记为“需要我操作/未验证”,不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。 - 运行一次,把结果给我看;未通过的项目说明原因和修复办法。 5. 学习计划 - README.md:课程入口、课节清单(带链接)、每次学习怎么开始(使用“每课提示词”)。 - progress.md:每课三项勾选——读讲义、做练习、记笔记。 6. 最后分三部分汇报:已完成、需要我自己操作的、尚未验证的。 边界: - 需要管理员权限、会产生费用或需要填写密钥的操作,先告诉我原因,等我同意。密钥由我在本机配置,不发到聊天,不写进笔记或版本库;原项目需要 .env 时确认已被 Git 忽略。 - 不替我写练习或作业答案,也不替我提交。我卡住时只给提示;我明确要求时才给解答。 - 只下载许可允许个人保存的材料;其余只放链接。不把未运行的命令说成成功。 如果你不能直接操作我的文件系统,请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。搭好后的课程目录
intro-to-ml/ ├── README.md # 课程入口、课节清单、每次怎么开始 ├── progress.md # 每课:读讲义 / 做练习 / 记笔记 ├── questions.md # 待解决的问题 ├── check-env.md # 环境自检,按 README 操作 ├── data/ # 练习用到的样例数据 └── lessons/ # 每课一个文件夹:notes.md + exercises/ ├── 01-lesson-01/ ├── 02-lesson-02/ ├── 03-lesson-03/ └── 04-lesson-04/
来源与使用须知
- 原始资源
- Google for Developers 收录版本:当前在线版
- 收录时间
- 本站首次收录 2026-10-10