AI 浪潮下，AI 相關的職缺需求快速上升。世界經濟論壇 2023 年未來工作報告，便預測未來 5 年內，AI 和機器學習領域需求將成長 40%，新增 100 萬個職缺，是所有職缺中成長最快的。
其中，機器學習工程師的工作內容，包含設計、建立、評估、生產、優化和維護機器學習模型，需要處理大型資料集，並建立可重複使用的程式碼，在整個模型開發過程中，也會和其他工作角色密切合作，例如軟體工程師。不論你想要成為 AI 工程師、機器學習工程師，或單純有興趣了解 AI 產業的知識，機器學習是所有技術的重要基礎。
這篇文章整理 8 門 Google 提供的免費機器學習課程資源，能幫助你從新手一步步成為機器學習工程師；如果你已有一定基礎，也能從後半段的特定主題課程，隨選想要提升的知識和技巧！
機器學習小白，可以先參考以下介紹的第 1 到 3 門課程：
1. 機器學習簡介
如果你是機器學習新手，可以考慮先從適合初學者的「機器學習簡介」課程開始。這門課，能幫助你了解機器學習的類型、監督式機器學習的基本概念、了解解決機器學習問題的方式與傳統作法有何不同。課程長度約 20 分鐘。
2. 機器學習速成班
如果你覺得看完第一門課不夠，想要再深入一點，Google 也開了一門「機器學習速成班」（Machine Learning Crash Course）讓你透過一系列且多樣的學習資源── Google 研究人員的影片講座、實際個案研究和操作練習，更快上手。Google 建議看這門課之前，要先看過前面介紹的「機器學習簡介」課程。
這門課，你可以了解機器學習的重要概念，例如：
- 機器學習和傳統程式設計有何不同？
- 什麼是損失、該如何評估？
- 梯度下降法如何運作？
- 怎麼判斷我的模型是否有效？
- 該如何呈現我的資料，讓程式能夠從資料中學習？
- 如何建構深層類神經網絡？
這門課程總共 25 節、15 小時，還附有 30 種以上的練習。
3. 機器學習工程師的學習路徑
「機器學習工程師的學習路徑」是更高強度的課程內容，但這門課，將引導你完成 Google 精選的課程、實驗內容，並取得技能認證徽章。如果你想要掌握如何使用 Google Cloud 技術來解決機器學習的問題，那你或許不能錯過這門課。
這門課，共有 15 堂。主題包含 Google Cloud 控制台導覽、Google Cloud 上的 AI 與機器學習簡介、TensorFlow、特徵工程，電腦視覺基礎知識、自然語言處理（NLP）、推薦系統、透過案例研究了解機器學習的實際工作流程。除此，你也能了解機器學習操作（MLOps）入門，並了解怎麼在 Google Cloud 上部署、評估、監控和操作等。
值得關注的是，這門課也會告訴你 Google Cloud 上的機器學習管道。從第 2 堂課開始，每完成一門課就會獲得該門課的技能徽章，代表你又往前了一步！
如果你想要深入機器學習的特定主題，可以參考以下第 4 點開始，提升你的技能值：
4. 機器學習問題框架
「機器學習問題框架」這門課會告訴你如何判斷機器學習是否合適等問題，內容包含：
- 找出機器學習是否有助於解決問題
- 了解如何設計機器學習問題
- 了解如何挑選合適的模型，並定義成功指標
這門課也會帶著你實作，包含訓練自己的模型和使用預先訓練的模型，並提供其他機器學習資源給你。
5. 機器學習的資料準備和特徵工程
機器學習技術，可以幫助我們找出資料模式，也就是用來預測新資料點的模式。為了取得正確的預測成果，必須經過 2 個步驟：建構資料集、轉換資料。
這門「機器學習的資料準備和特徵工程」，除了說明上述 2 個關鍵步驟，總共讓你學習到 6 個重點：
- 了解資料品質和演算法的相對影響
- 設定時間資訊，確保資料實際運作符合實際狀況
- 說明在整個機器學習工作流程中，資料蒐集和轉換的一般流程
- 收集原始資料並建構資料集
- 對資料集進行取樣與分割，並考量不平衡的資料
- 轉換數值和類別資料。
這門課程的閱讀時間，「總覽」章節約 15 分鐘、「建立資料集」約 60 分鐘，「轉換資料」約 40 分鐘，「專案規劃」約 60 分鐘。
6. 機器學習測試與偵錯
「機器學習測試與偵錯」這門課，預估需要 4 小時學習。課程中，將逐步說明如何在模型中偵錯，以及在實際工作環境進行監控。這門課程內容，可以讓你了解：
- 如何驗證原始資料和工程特徵資料
- 對機器學習進行偵錯，讓模型正常運作
- 簡化偵錯作業的實作
- 優化機器學習模型
- 監控模型指標
7. 分群法
「分群法」是最廣泛使用的的無監督學習演算法之一。在 Google 「分群法」課程中，你會學習到：
- 機器學習應用程式的分群法
- 準備分群資料
- 定義資料集的相似度
- 比較手動和監督式的相似度措施
- 使用 k-means 演算法將資料分群
- 評估分群結果的品質
課程時間大約需要 4 小時，而要學習這門課，你需要具備 Python 的基本程式設計知識，並且對前文介紹課程中的機器學習概念、資料分布有基本知識。
8. 推薦系統
推薦系統和我們的日常生活息息相關，像是線上購物網站推薦、Netflix 上的影片推薦等。Google「推薦系統」課程將會拓展你對推薦系統的了解，並學習如何建立自己的應用程式。課程內容包含：
- 說明推薦系統的用途
- 推薦系統的組成，包含產生候選生成（candidate generation）、評分和進行排名
- 使用嵌入功能來表示項目和查詢
- 候選生成中的常用技術有更深入的技術理解
- 使用 TensorFlow 開發 2 個用於建議的模型：矩陣分解（Matrix Factorization）、softmax
完成這門課的預估時間也是 4 小時。需要具備的條件是熟悉線性代數、至少有一點使用 TensorFlow 和 pandas 程式設計的經驗。
立即下載《2025 AI 工具應用報告》
【推薦閱讀】
◆ 「AI 長」超夯！近年需求翻 3 倍，AI 長本人卻說這工作有「有效期限」？
＊本文開放合作夥伴轉載，資料來源：Google Cloud 1、Google Cloud 2、《KDnuggets》、《Fortune》。首圖來源：Photo by BoliviaInteligente on Unsplash。
