AI Operations
Google Machine Learning Crash Course 更新：免費 ML 入門課補上 LLM、AutoML 與互動學習
Google 官方 Machine Learning Crash Course 是免費、免帳號即可閱讀的機器學習入門課。新版補上 Intro to Large Language Models、AutoML、Production ML Systems、ML Fairness 等模組，適合作為 AI/ML 基礎補課與團隊 onboarding 入口。
2026年7月12日1 分鐘閱讀👁 5
Google / MLCC / LLM Education
Google Machine Learning Crash Course 更新：免費 ML 入門課補上 LLM、AutoML 與互動學習
Google 官方 MLCC 仍是低摩擦的 ML 入門教材：免費、瀏覽器可讀、模組化，並在新版加入大型語言模型與 AutoML 內容。
來源與查證
- Threads：shane412335 分享 Google Machine Learning Crash Course 已更新並加入大型語言模型內容。
- 官方來源：Google for Developers / Machine Learning Crash Course。
- 官方頁面明確列出新版 MLCC 新增 Intro to Large Language Models 與 AutoML 模組。
這門課適合誰
| 對象 | 用法 |
|---|---|
| 完全新手 | 依序讀 Linear Regression → Logistic Regression → Classification → Data。 |
| 產品/PM/主管 | 先讀 ML Models、Production ML Systems、ML Fairness，建立正確語言。 |
| 想補 LLM 基礎 | 直接讀 Intro to Large Language Models，理解 tokens、context、Transformer、訓練概念。 |
| 團隊 onboarding | 當作共同語言教材，避免每次討論 AI 專案都卡在基本名詞。 |
官方模組重點
| 分類 | 模組 |
|---|---|
| ML Models | Linear Regression、Logistic Regression、Classification |
| Data | Working with Categorical Data、Datasets/Generalization/Overfitting |
| Advanced ML Models | Neural Networks、Embeddings、Intro to Large Language Models |
| Real-world ML | Production ML Systems、AutoML、ML Fairness |
對 Agent / AI 專案的價值
這門課不是教人「怎麼 prompt」，而是補上底層 ML 常識：資料、泛化、overfitting、模型評估、production system、fairness。對做 AI Agent 或企業導入 AI 的團隊來說，這些反而是避免 demo 化的重要基礎。
建議學習路線
- 產品/商務角色：Classification、Datasets/Overfitting、Production ML Systems、ML Fairness。
- 工程角色：Linear/Logistic Regression、Neural Networks、Embeddings、LLM、Production ML Systems。
- 想懂 LLM：Intro to Large Language Models 先讀，再回頭補 Embeddings 與 Neural Networks。