リソース
ガイドブックの資料
部門横断的なチームメンバーが、重要な議論をできるようにし、デザインの繰り返しを促進し、ユーザー調査を計画し、効果的なAI開発スケジュールを設定できるようにするための、演習です。ガイドブックの章ごとに、手軽に印刷できるPDF形式も提供しています。
フィードバック + コントロール: PDF | ワークシート
PAIRについて
People + AI Research (PAIR)
PAIRチームの成果物、出版物、人々にかかわるすべて。
Google Design blog の PAIR チャンネル
AIを用いてデザインするための、学際的で人間中心のアプローチをとる方法についてのPAIRチームの記事。
AIのリソース
Google AI原則
Googleが推奨するAIアプリケーションの目標、Googleが目指さないAIアプリケーションのリスト、AIについてのGoogleの長期的なビジョン。
参照元：ユーザーニーズ + 成功の定義、データ収集 + 評価
Google 責任あるAIの実践
Googleが一般的に推奨するAIのベストプラクティス。
参照元：ユーザーニーズ + 成功の定義、データ収集 + 評価
GoogleのAIツール
Tensorflow、ML Kitなどを含む、GoogleのオープンソースAIツールの一覧。
Google AI教育
AIを構築するための技術的スキルを習得するのに役立つコース、ガイド、およびビデオ。
MLのための Google Material Design の機械学習パターン
「ML Kit」と連携してつくられた、機械学習の機能のためのデザインガイドラインとパターン。
AIガバナンスの問題についてのGoogleの見解
AIの開発についての自主規制ガイドラインの提案。
Googleによる機械学習の公平性の概要と短期集中コース
Googleがどのようにして誰もに恩恵のある機械学習を開発することを目指しているかを学ぶ。
参照元：ユーザーニーズ + 成功の定義、データ収集 + 評価
みんなのAI
Andrew NgによるAIの概要。AIとは何か、基本的な用語、それがビジネスに加える価値、AIを責任を持って使用する方法に関するその他の高度な考慮事項。
機械学習モデルをトレーニングするための既存のデータセット
これらを使用してモデルを開発し、動くプロトタイプをテストして、プロダクトを改善することができます。
参照元：データ収集 + 評価
Cloud AutoML
教師なし学習に使用するためのトレーニング済みの機械学習モデル。
Google Dataset Search
さまざまな分野におけるオープンソースの公開データ。
Kaggle
タグづけされたラベルつきデータセットを検索できる便覧。
機械学習モデルをトレーニングするためのデータセットを構築するためのリソース
モデルをトレーニングし、より良いプロダクトを開発するために、正しいデータを十分に集める方法を学ぶ。
参照元：データ収集 + 評価
データ分割の例
データをトレーニングセット、バリデーションセット、テストセットに分割する。
不均衡なデータ
データの不均衡を特定し、修正する。
データセットの量と品質
モデルに影響を与えるデータセットの量と品質を理解する。
データセットのバイアスを調べるためのリソース
これらのインタラクティブなウェブサイトを使用して、人口統計やカテゴリ別にデータをスライスしたり、データを追加したり削除したときに何が起こるかを確認します。
参照元：ユーザーニーズ + 成功の定義、データ収集 + 評価
Facets
機械学習のデータセットの理解と分析に役立つ、2つの強力なビジュアライゼーション。
What If ツール
モデルの結果を調べるためのインタラクティブなビジュアルインタフェースで、コードを書くことなく、機械学習モデルを分析します。
人間中心設計のためのその他のリソース
IDEOのデザイン思考
人間中心設計のための繰り返しアプローチ。
参照元：ユーザーニーズ + 成功の定義
Nielsen Norman Groupによるエラーメッセージのガイドライン
エラーを伝え、ユーザーが前に進めるようにするための一般的なベストプラクティス。
参照元：エラー + 上手な失敗
倫理的なオペレーティングシステム
倫理的な問題を特定して議論し、開発中の技術による長期的な社会的影響を考えるためのツールキット。
Triptech
AIプロダクトにとくに有用な、初期の設計コンセプトを評価するための手法。