@ -10,169 +10,169 @@
### 🌐 多語言支援
#### 通過 GitHub Action 支援（自動化及一直 保持最新）
#### 透過 GitHub Action 支援（自動且 保持最新）
<!-- CO - OP TRANSLATOR LANGUAGES TABLE START -->
[阿拉伯語 ](../ar/README.md ) | [孟加拉語 ](../bn/README.md ) | [保加利亞語 ](../bg/README.md ) | [緬甸語 ](../my/README.md ) | [中文（簡體） ](../zh-CN/README.md ) | [中文（繁體，香港） ](./README.md ) | [中文（繁體，澳門） ](../zh-MO/README.md ) | [中文（繁體，台灣） ](../zh-TW/README.md ) | [克羅地亞語 ](../hr/README.md ) | [捷克語 ](../cs/README.md ) | [丹麥語 ](../da/README.md ) | [荷蘭語 ](../nl/README.md ) | [愛沙尼亞語 ](../et/README.md ) | [芬蘭語 ](../fi/README.md ) | [法語 ](../fr/README.md ) | [德語 ](../de/README.md ) | [希臘語 ](../el/README.md ) | [希伯來語 ](../he/README.md ) | [印地語 ](../hi/README.md ) | [匈牙利語 ](../hu/README.md ) | [印尼語 ](../id/README.md ) | [意 大利語](../it/README.md ) | [日語 ](../ja/README.md ) | [卡納達語 ](../kn/README.md ) | [韓語 ](../ko/README.md ) | [立陶宛語 ](../lt/README.md ) | [馬來語 ](../ms/README.md ) | [馬拉雅拉姆語 ](../ml/README.md ) | [馬拉地語 ](../mr/README.md ) | [尼泊爾語 ](../ne/README.md ) | [奈及利亞 洋芋拼音](../pcm/README.md ) | [挪威語 ](../no/README.md ) | [波斯語（法爾斯語） ](../fa/README.md ) | [波蘭語 ](../pl/README.md ) | [巴西 葡萄牙語](../pt-BR/README.md ) | [葡萄牙語（葡萄牙） ](../pt-PT/README.md ) | [旁遮普語 （ ） ../pa/README.md ) | [羅馬尼亞語 ](../ro/README.md ) | [俄語 ](../ru/README.md ) | [塞爾維亞語 （西里爾字母）](../sr/README.md ) | [斯洛伐克語 ](../sk/README.md ) | [斯洛維 尼亞語](../sl/README.md ) | [西班牙語 ](../es/README.md ) | [斯瓦希里語 ](../sw/README.md ) | [瑞典語 ](../sv/README.md ) | [他加祿語（菲律賓語） ](../tl/README.md ) | [泰米爾語 ](../ta/README.md ) | [泰盧固語 ](../te/README.md ) | [泰語 ](../th/README.md ) | [土耳其語 ](../tr/README.md ) | [烏克蘭語 ](../uk/README.md ) | [烏爾都語 ](../ur/README.md ) | [越南語 ](../vi/README.md )
[阿拉伯語 ](../ar/README.md ) | [孟加拉語 ](../bn/README.md ) | [保加利亞語 ](../bg/README.md ) | [緬甸語 (緬甸)](../my/README.md ) | [中文 (簡體) ](../zh-CN/README.md ) | [中文 (繁體, 香港) ](./README.md ) | [中文 (繁體, 澳門) ](../zh-MO/README.md ) | [中文 (繁體, 台灣) ](../zh-TW/README.md ) | [克羅地亞語 ](../hr/README.md ) | [捷克語 ](../cs/README.md ) | [丹麥語 ](../da/README.md ) | [荷蘭語 ](../nl/README.md ) | [愛沙尼亞語 ](../et/README.md ) | [芬蘭語 ](../fi/README.md ) | [法語 ](../fr/README.md ) | [德語 ](../de/README.md ) | [希臘語 ](../el/README.md ) | [希伯來語 ](../he/README.md ) | [印地語 ](../hi/README.md ) | [匈牙利語 ](../hu/README.md ) | [印尼語 ](../id/README.md ) | [義 大利語](../it/README.md ) | [日語 ](../ja/README.md ) | [卡納達語 ](../kn/README.md ) | [韓語 ](../ko/README.md ) | [立陶宛語 ](../lt/README.md ) | [馬來語 ](../ms/README.md ) | [馬拉雅拉姆語 ](../ml/README.md ) | [馬拉地語 ](../mr/README.md ) | [尼泊爾語 ](../ne/README.md ) | [奈及利亞 皮欽語](../pcm/README.md ) | [挪威語 ](../no/README.md ) | [波斯語 (法爾西語) ](../fa/README.md ) | [波蘭語 ](../pl/README.md ) | [（巴西） ](../pt-BR/README.md ) | [葡萄牙語（葡萄牙） ](../pt-PT/README.md ) | [旁遮普語 (古魯穆奇) ](../pa/README.md ) | [羅馬尼亞語 ](../ro/README.md ) | [俄語 ](../ru/README.md ) | [塞爾維亞語 (西里爾字母)](../sr/README.md ) | [斯洛伐克語 ](../sk/README.md ) | [斯洛文 尼亞語](../sl/README.md ) | [西班牙語 ](../es/README.md ) | [斯瓦希里語 ](../sw/README.md ) | [瑞典語 ](../sv/README.md ) | [塔加洛語 (菲律賓語) ](../tl/README.md ) | [泰米爾語 ](../ta/README.md ) | [泰盧固語 ](../te/README.md ) | [泰語 ](../th/README.md ) | [土耳其語 ](../tr/README.md ) | [烏克蘭語 ](../uk/README.md ) | [烏爾都語 ](../ur/README.md ) | [越南語 ](../vi/README.md )
> ** 偏好本地複製 ？
> ** 偏好本地克隆 ？
>
> 此存儲庫包含 50 多種語言翻譯，這會大幅增加下載容量。要不含翻譯地複製，請使用稀疏檢出 ：
> 此存儲庫包含 50 多種語言的翻譯， ， （ ） ：
>
> **Bash / macOS / Linux: **
> **Bash / macOS / Linux：
> ```bash
> git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git
> cd ML-For-Beginners
> git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'
> ```
>
> **CMD（ ）
> **CMD (Windows)： **
> ```cmd
> git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git
> cd ML-For-Beginners
> git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"
> ```
>
> 這樣可以讓你用更快的速度下載所有完成課程所需的內容 。
> 這能讓你快速取得完整課程所需內容，下載速度更快 。
<!-- CO - OP TRANSLATOR LANGUAGES TABLE END -->
#### 加入我們的社區
#### 加入我們的社群
[](https://discord.gg/nTYy5BXMWG)
我們正進行 Discord AI 學習系列， Learn with AI Series ](https://aka.ms/learnwithai/discord )。屆時你將獲得使用 GitHub Copilot 進行資料科學的提示和技巧 。
我們正舉行 Discord 的 AI 學習系列活動，詳細內容及加入請見 [Learn with AI Series ](https://aka.ms/learnwithai/discord )，活動期間為 2025 年 9 月 18 日至 30 日。你將獲得使用 GitHub Copilot 於資料科學的技巧與秘訣 。
# 初學者機器學習課程
# 初學者機器學習課程大綱
> 🌍 一起環遊世界並 透過世界文化探索機器學習 🌍
> 🌍 透過世界文化探索機器學習，一同環遊世界 🌍
微軟的雲端倡導者們很高興提供一套為期 12 週、包含 26 課的課程，專注於**機器學習**。本課程將介紹有時稱為**經典機器學習**的技術，主要使用 Scikit-learn 函式庫，避免深度學習內容，後者在我們的 [初學者 AI 課程 ](https://aka.ms/ai4beginners ) 中涵蓋。同時可搭配我們的 [初學者資料科學課程 ](https://aka.ms/ds4beginners ) 一起學習！
微軟的 Cloud Advocates 為大家帶來一個為期 12 週、共 26 課的 ** 機器學習** 課程。在這課程中，你將學習有時稱為 ** 經典機器學習** 的內容，主要使用 Scikit-learn 函式庫，並避開深度學習內容，後者已包含於我們的 [AI for Beginners 課程 ](https://aka.ms/ai4beginners ) 中。也可以搭配我們的 [「初學者資料科學」課程 ](https://aka.ms/ds4beginners ) 一起學習。
跟我們一起 環遊世界，將這些經典技術應用於來自全球多個地區的資料。每課皆包含課前和課後小測驗、書面指導、解答、作業等。我們採用以專案為導向的教學法，讓你邊建構邊學習，是新技能長期掌握的經驗證方式 。
跟著 我們環遊世界，將這些經典技術應用於來自世界各地的數據。每課包含課前與課後的測驗、課文說明、解答、作業和更多。我們採用以專案為基礎的教學法，讓你在實作中學習，這是新技能穩固的有效方法 。
**✍️ 誠摯感謝作者 ** Jen Looper、Stephen Howell、Francesca Lazzeri、Tomomi Imura、Cassie Breviu、Dmitry Soshnikov、Chris Noring、Anirban Mukherjee、Ornella Altunyan、Ruth Yakubu 以及 Amy Boyd
**✍️ 衷心感謝我們的作者團隊 ** Jen Looper、Stephen Howell、Francesca Lazzeri、Tomomi Imura、Cassie Breviu、Dmitry Soshnikov、Chris Noring、Anirban Mukherjee、Ornella Altunyan、Ruth Yakubu 和 Amy Boyd
**🎨 同時感謝插畫師** Tomomi Imura、Dasani Madipalli 與 Jen Looper
**🎨 也感謝插畫師** Tomomi Imura、Dasani Madipalli 和 Jen Looper
**🙏 特別感謝🙏 微軟學生大使團隊的作者、審閱者與內容貢獻者**，包括 Rishit Dagli、Muhammad Sakib Khan Inan、Rohan Raj、Alexandru Petrescu、Abhishek Jaiswal、Nawrin Tabassum、Ioan Samuila 與 Snigdha Agarwal
**🙏 特別感謝 🙏 微軟學生大使作者、審稿和內容貢獻者**，尤其是 Rishit Dagli、Muhammad Sakib Khan Inan、Rohan Raj、Alexandru Petrescu、Abhishek Jaiswal、Nawrin Tabassum、Ioan Samuila 和 Snigdha Agarwal
**🤩 額外感謝微軟學生大使 Eric Wanjau、Jasleen Sondhi 與 Vidushi Gupta 參與 R 課程製作 ！
**🤩 另外感謝微軟學生大使 Eric Wanjau、Jasleen Sondhi 和 Vidushi Gupta 為我們的 R 課程付出 ！
# 開始學習
# 開始使用
請遵循以下步驟 ：
1. ** 分叉此存儲庫**：
2. ** 複製存儲庫**：
請依照以下步驟操作 ：
1. **Fork 該儲存庫** ：
2. **Clone 該儲存庫** ：
> [在我們的 Microsoft Learn 合集中找到本課程的所有附加 資源](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum )
> [在我們的 Microsoft Learn 集合中找到本課程所有額外 資源](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum )
> 🔧 ** 需要協助？** 請查看我們的 [疑難排解指南](TROUBLESHOOTING.md )，了解安裝、設置及運行課程常見問題的解決方案 。
> 🔧 ** 需要協助？** 請查看我們的 [故障排解指南](TROUBLESHOOTING.md )，解決一般安裝、設定及執行課程問題 。
**[學生](https://aka.ms/student-page)**，使用此課程請 fork 完整儲存庫至你的 GitHub 帳號，並自行或與小組完成練習：
**[學生](https://aka.ms/student-page)** 適用方法：將整個存儲庫分叉到你的 GitHub 帳戶，在個人或小組內完成練習：
- 從課前小測開始。
- 閱讀課程內容並完成各項活動，遇到檢核點時暫停並反思。
- 嘗試透過理解課程自行創建專案，而非直接運行解答程式碼；不過解答程式碼會放在各面向專案課程的 `/solution` 資料夾內。
- 進行課後小測驗。
- 完成挑戰任務。
- 先完成課前測驗。
- 閱讀課文並完成活動，每進行一段知識點檢查就暫停並反思。
- 嘗試透過理解課程內容自己做專案，而非直接執行解答程式碼；不過每個專案課程的 `/solution` 資料夾內有完整解答程式碼可參考。
- 做完課後測驗。
- 完成挑戰題。
- 完成作業。
- 完成一組課程後，請訪問 [討論區 ](https://github.com/microsoft/ML-For-Beginners/discussions )，透過填寫 PAT 標準並「大聲學習」。'PAT' 是進度評估工具，一種用來促進學習的標準表格，你也可以對其他人的 PAT 回應，讓大家一起進步 。
- 完成一組課程後，請到 [討論板 ](https://github.com/microsoft/ML-For-Beginners/discussions ) 分享學習心得，並填寫對應的 PAT 量表。PAT 是進度評估工具，藉由填寫來深化學習。你也可以對其他人的 PAT 進行回應，一同學習。
> 進階學習推薦追蹤 這些 [Microsoft Learn ](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott ) 模組和學習路徑 。
> 建議參考以下 這些 [Microsoft Learn ](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott ) 模組及學習路線作進一步學習 。
**老師們**，我們提供了一些關於如何使用本課程的[建議](for-teachers.md )。
**老師們**，我們也有提供一些 [使用建議 ](for-teachers.md )。
---
## 影片導覽
部分課程有短影片導覽。你可以在課程中內嵌觀看，或點擊下方圖片至 [Microsoft Developer YouTube 頻道的「初學者機器學習」 播放清單](https://aka.ms/ml-beginners-videos )。
部分課程可透過短影片學習。可於課程中直接觀看，或至 [Microsoft Developer YouTube 頻道 ML for Beginners 播放清單](https://aka.ms/ml-beginners-videos ) 由下方圖片連結進入 。
[](https://aka.ms/ml-beginners-videos)
---
## 認識 團隊
## 團隊介紹
[](https://youtu.be/Tj1XWrDSYJU)
[](https://youtu.be/Tj1XWrDSYJU)
**Gif 製作： ** [Mohit Jaisal ](https://linkedin.com/in/mohitjaisal )
**GIF 製作者 ** [Mohit Jaisal ](https://linkedin.com/in/mohitjaisal )
> 🎥 點擊上方圖片觀看有關此專案及團隊成員 的影片！
> 🎥 點擊上方圖片觀看關於該專案及製作者 的影片！
---
## 教學法
## 教學理念
我們建構此課程時，採取了兩大教學原則：確保課程是以 ** 專案為基礎的實作**，以及包含 ** 頻繁的小測驗**。此外，也設計了共通的 ** 主題** 以保持內容一致 性。
我們建立此課程時，選擇兩項教學原則：確保為實作導向 ** 以專案為本** 且包含 ** 頻繁測驗**。此外，課程具有統一的 ** 主題** 以增強連貫 性。
透過讓內容與專案對齊，增加學生的參與度並加強概念記憶。課前的小測驗有助於設定學生學習目標，課後小測則促進知識鞏固。此課程彈性且有趣，可整套完成或分段學習。專案從簡單開始，逐漸在 12 週循環結束時達到複雜度。課程末端亦包含一段關於機器學習在現實世界中的應用說明，適合作為額外學分或討論主題 。
透過以專案對應內容，提高學習趣味與概念記憶度。課前低風險的測驗設定學習目標，課後再測則加強記憶。課程設計靈活有趣，可全部或部分修習。專案由淺入深，涵蓋 12 週內容。課程還提供機器學習實務應用的後記，適合作為額外學分或討論基礎 。
> 請參閱 我們的 [行為守則 ](CODE_OF_CONDUCT.md )、[貢獻指南](CONTRIBUTING.md)、[翻譯說明](TRANSLATIONS.md) 及 [疑難排解 ](TROUBLESHOOTING.md ) 指南。我們歡迎您的建設性意見反 饋！
> 請參考 我們的 [行為守則 ](CODE_OF_CONDUCT.md )、[貢獻指南](CONTRIBUTING.md)、[翻譯說明](..) 及 [故障排解 ](TROUBLESHOOTING.md ) 指南。歡迎提供建設性回 饋！
## 每節課內容 包含
## 各課程皆 包含
- 可選擇的素描 筆記
- 可選擇的 補充影片
- 選填手繪 筆記
- 選填 補充影片
- 影片導覽（部分課程）
- [課前暖身 小 測驗](https://ff-quizzes.netlify.app/en/ml/ )
- 書面課程
- 專案課程的逐步建構指導
- [課前暖身 測驗](https://ff-quizzes.netlify.app/en/ml/ )
- 課文資料
- 專案課程含逐步專案建置教學
- 知識檢核
- 挑戰任務
- 補充閱讀資料
- 挑戰題
- 補充閱讀
- 作業
- [課後 小 測驗](https://ff-quizzes.netlify.app/en/ml/ )
> ** 關於語言的說明**：這些課程主要以 Python 編寫，但也有許多課程提供 R 版本。若要完成 R 課程，請前往 `/solution` 資料夾並尋找 R 課程。這些課程包含 .rmd 副檔名，代表一個 **R Markdown** 檔案，簡單來說，它是將 `程式碼區塊` （ `YAML 標頭` （用以指示如何格式化輸出，例如 PDF） `Markdown 文件` 中。基於此， ，
> ** 關於測驗的說明**：所有測驗皆收錄在 [Quiz App folder ](../../quiz-app ) 中，總計 52 組，每組包含三個問題。這些測驗會在課程內連結，但你也可以在本地執行測驗應用程式；請依照 `quiz-app` 資料夾中的說明，在本地端架設 或部署至 Azure。
| 課程編號 | 主題 | 課程群組 | 學習目標 | 相關課程 | 作者 |
| :-------: | :------------------------------------------------------------------: | : --------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :-------------------------------------------------------------------------------------------------------------------------------------: | :----------------------------------------------: |
| 01 | 機器學習入門介紹 | [Introduction ](1-Introduction/README.md ) | 學習機器學習的基本概念 | [Lesson ](1-Introduction/1-intro-to-ML/README.md ) | Muhammad |
| 02 | 機器學習的歷史 | [Introduction ](1-Introduction/README.md ) | 了解此領域的歷史背景 | [Lesson ](1-Introduction/2-history-of-ML/README.md ) | Jen 與 Amy |
| 03 | 公平性與機器學習 | [Introduction ](1-Introduction/README.md ) | 建立與應用機器學習模型時，應考慮的重要哲學公平性議題 | [Lesson ](1-Introduction/3-fairness/README.md ) | Tomomi |
| 04 | 機器學習技術 | [Introduction ](1-Introduction/README.md ) | 機器學習研究者用於建立機器學習模型的技術 | [Lesson ](1-Introduction/4-techniques-of-ML/README.md ) | Chris 與 Jen |
| 05 | 迴歸入門 | [Regression ](2-Regression/README.md ) | 開始使用 Python 與 Scikit-learn 建立迴歸模型 | [Python ](2-Regression/1-Tools/README.md ) • [R ](../../2-Regression/1-Tools/solution/R/lesson_1.html ) | Jen • Eric Wanjau |
| 06 | 北美南瓜價格 🎃 | [Regression ](2-Regression/README.md ) | 資料視覺化與清理，為機器學習做準備 | [Python ](2-Regression/2-Data/README.md ) • [R ](../../2-Regression/2-Data/solution/R/lesson_2.html ) | Jen • Eric Wanjau |
| 07 | 北美南瓜價格 🎃 | [Regression ](2-Regression/README.md ) | 建立線性及多項式迴歸模型 | [Python ](2-Regression/3-Linear/README.md ) • [R ](../../2-Regression/3-Linear/solution/R/lesson_3.html ) | Jen 與 Dmitry • Eric Wanjau |
| 08 | 北美南瓜價格 🎃 | [Regression ](2-Regression/README.md ) | 建立邏輯迴歸模型 | [Python ](2-Regression/4-Logistic/README.md ) • [R ](../../2-Regression/4-Logistic/solution/R/lesson_4.html ) | Jen • Eric Wanjau |
| 09 | 網頁應用 🔌 | [Web App ](3-Web-App/README.md ) | 建立一個網頁應用以使用你訓練好的模型 | [Python ](3-Web-App/1-Web-App/README.md ) | Jen |
| 10 | 分類入門 | [Classification ](4-Classification/README.md ) | 數據清理、準備與視覺化；分類介紹 | [Python ](4-Classification/1-Introduction/README.md ) • [R ](../../4-Classification/1-Introduction/solution/R/lesson_10.html ) | Jen 與 Cassie • Eric Wanjau |
| 11 | 美味亞洲與印度料理 🍜 | [Classification ](4-Classification/README.md ) | 分類器介紹 | [Python ](4-Classification/2-Classifiers-1/README.md ) • [R ](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html ) | Jen 與 Cassie • Eric Wanjau |
| 12 | 美味亞洲與印度料理 🍜 | [Classification ](4-Classification/README.md ) | 更多分類器 | [Python ](4-Classification/3-Classifiers-2/README.md ) • [R ](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html ) | Jen 與 Cassie • Eric Wanjau |
| 13 | 美味亞洲與印度料理 🍜 | [Classification ](4-Classification/README.md ) | 使用你的模型建立推薦網頁應用 | [Python ](4-Classification/4-Applied/README.md ) | Jen |
| 14 | 分群入門 | [Clustering ](5-Clustering/README.md ) | 數據清理、準備與視覺化；分群介紹 | [Python ](5-Clustering/1-Visualize/README.md ) • [R ](../../5-Clustering/1-Visualize/solution/R/lesson_14.html ) | Jen • Eric Wanjau |
| 15 | 探索奈及利亞音樂品味 🎧 | [Clustering ](5-Clustering/README.md ) | 探索 K 平均 (K-Means) 分群 方法 | [Python ](5-Clustering/2-K-Means/README.md ) • [R ](../../5-Clustering/2-K-Means/solution/R/lesson_15.html ) | Jen • Eric Wanjau |
| 16 | 自然語言處理入門 ☕️ | [Natural language processing ](6-NLP/README.md ) | 透過建置簡易聊天機器人學習自然語言處理基礎 | [Python ](6-NLP/1-Introduction-to-NLP/README.md ) | Stephen |
| 17 | 常見的自然語言處理任務 ☕️ | [Natural language processing ](6-NLP/README.md ) | 透析常見 NLP 任務以深化對語言結構的理解 | [Python ](6-NLP/2-Tasks/README.md ) | Stephen |
| 18 | 翻譯與情感分析 ♥️ | [Natural language processing ](6-NLP/README.md ) | 利用 Jane Austen 文本進行情感分析與翻譯 | [Python ](6-NLP/3-Translation-Sentiment/README.md ) | Stephen |
| 19 | 歐洲浪漫飯店 ♥️ | [Natural language processing ](6-NLP/README.md ) | 用飯店評論進行情感分析 1 | [Python ](6-NLP/4-Hotel-Reviews-1/README.md ) | Stephen |
| 20 | 歐洲浪漫飯店 ♥️ | [Natural language processing ](6-NLP/README.md ) | 用飯店評論進行情感分析 2 | [Python ](6-NLP/5-Hotel-Reviews-2/README.md ) | Stephen |
| 21 | 時間序列預測入門 | [Time series ](7-TimeSeries/README.md ) | 時間序列預測介紹 | [Python ](7-TimeSeries/1-Introduction/README.md ) | Francesca |
| 22 | ⚡️ 世界電力使用 ⚡️ - 使用 ARIMA 進行 時間序列預測 | [Time series ](7-TimeSeries/README.md ) | 使用 ARIMA 進行時間序列預測 | [Python ](7-TimeSeries/2-ARIMA/README.md ) | Francesca |
| 23 | ⚡️ 世界電力使用 ⚡️ - 使用 SVR 進行 時間序列預測 | [Time series ](7-TimeSeries/README.md ) | 使用支持向量回歸器 (SVR) 進行時間序列預測 | [Python ](7-TimeSeries/3-SVR/README.md ) | Anirban |
| 24 | 強化學習入門 | [Reinforcement learning ](8-Reinforcement/README.md ) | 強化學習基礎介紹： | [Python ](8-Reinforcement/1-QLearning/README.md ) | Dmitry |
| 25 | 幫彼得避開狼！ 🐺 | [Reinforcement learning ](8-Reinforcement/README.md ) | 強化學習 Gym | [Python ](8-Reinforcement/2-Gym/README.md ) | Dmitry |
| 後記 | 現實世界中的機器學習場景與應用 | [ML in the Wild ](9-Real-World/README.md ) | 傳統機器學習在真實世界的有趣且啟發性的應用 | [Lesson ](9-Real-World/1-Applications/README.md ) | 團隊 |
| 後記 | 使用 RAI 儀表板進行機器學習模型偵錯 | [ML in the Wild ](9-Real-World/README.md ) | 使用 Responsible AI 儀表板元件進行機器學習模型偵 錯 | [Lesson ](9-Real-World/2-Debugging-ML-Models/README.md ) | Ruth Yakubu |
> [在我們的 Microsoft Learn 集合中找到 本課程的 所有額外資源](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum )
- [課後 測驗](https://ff-quizzes.netlify.app/en/ml/ )
> ** 關於語言的說明**：本課程主要採 Python 編寫，但許多內容也有 R 版本。要完成 R 課程，請至 `/solution` 資料夾尋找 R 檔案。這些檔案有 .rmd 副檔名，代表 **R Markdown** 文件，是 Markdown 文件中嵌入 R 或其他程式碼區塊與 YAML 標頭（控制輸出格式如 PDF）
> ** 關於小測驗的說明**：所有小測驗均包含在 [Quiz App folder ](../../quiz-app ) 中，共有 52 個小測驗，每個包含三條問題。這些小測驗在課程中均有連結，但測驗應用程式亦可在本地運行；請按照 `quiz-app` 文件夾中的說明在本地端託管 或部署至 Azure。
| Lesson Number | Topic | Lesson Grouping | Learning Objectives | Linked Lesson | Author |
| :----------- : | :------------------------------------------------------------: | :----- --------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :-------------------------------------------------------------------------------------------------------------------------------------- : | :---- ----------------------------------------------: |
| 01 | 機器學習簡介 | [Introduction ](1-Introduction/README.md ) | 學習機器學習背後 的基本概念 | [Lesson ](1-Introduction/1-intro-to-ML/README.md ) | Muhammad |
| 02 | 機器學習的歷史 | [Introduction ](1-Introduction/README.md ) | 學習此領域的歷史 | [Lesson ](1-Introduction/2-history-of-ML/README.md ) | Jen and Amy |
| 03 | 公平性與機器學習 | [Introduction ](1-Introduction/README.md ) | 學生在建構與應用機器學習模型時，應考慮之公平性重要哲學議題為何？ | [Lesson ](1-Introduction/3-fairness/README.md ) | Tomomi |
| 04 | 機器學習技術 | [Introduction ](1-Introduction/README.md ) | 機器學習研究者用以建立機器學習模型的技術有哪些？ | [Lesson ](1-Introduction/4-techniques-of-ML/README.md ) | Chris and Jen |
| 05 | 回歸簡介 | [Regression ](2-Regression/README.md ) | 開始使用 Python 及 Scikit-learn 進行回歸模型 | [Python ](2-Regression/1-Tools/README.md ) • [R ](../../2-Regression/1-Tools/solution/R/lesson_1.html ) | Jen • Eric Wanjau |
| 06 | 北美南瓜價格 🎃 | [Regression ](2-Regression/README.md ) | 視覺化並清理資料以準備進行機器學習 | [Python ](2-Regression/2-Data/README.md ) • [R ](../../2-Regression/2-Data/solution/R/lesson_2.html ) | Jen • Eric Wanjau |
| 07 | 北美南瓜價格 🎃 | [Regression ](2-Regression/README.md ) | 建立線性與多項式回歸模型 | [Python ](2-Regression/3-Linear/README.md ) • [R ](../../2-Regression/3-Linear/solution/R/lesson_3.html ) | Jen and Dmitry • Eric Wanjau |
| 08 | 北美南瓜價格 🎃 | [Regression ](2-Regression/README.md ) | 建立邏輯回歸模型 | [Python ](2-Regression/4-Logistic/README.md ) • [R ](../../2-Regression/4-Logistic/solution/R/lesson_4.html ) | Jen • Eric Wanjau |
| 09 | 網頁應用 🔌 | [Web App ](3-Web-App/README.md ) | 建立一個用以運行你的訓練模型的網頁應用 | [Python ](3-Web-App/1-Web-App/README.md ) | Jen |
| 10 | 分類簡介 | [Classification ](4-Classification/README.md ) | 清理、預備和視覺化資料；分類初探 | [Python ](4-Classification/1-Introduction/README.md ) • [R ](../../4-Classification/1-Introduction/solution/R/lesson_10.html ) | Jen and Cassie • Eric Wanjau |
| 11 | 美味的亞洲與印度料理 🍜 | [Classification ](4-Classification/README.md ) | 分類器入門 | [Python ](4-Classification/2-Classifiers-1/README.md ) • [R ](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html ) | Jen and Cassie • Eric Wanjau |
| 12 | 美味的亞洲與印度料理 🍜 | [Classification ](4-Classification/README.md ) | 更多分類器 | [Python ](4-Classification/3-Classifiers-2/README.md ) • [R ](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html ) | Jen and Cassie • Eric Wanjau |
| 13 | 美味的亞洲與印度料理 🍜 | [Classification ](4-Classification/README.md ) | 使用你的模型建立推薦系統 網頁應用 | [Python ](4-Classification/4-Applied/README.md ) | Jen |
| 14 | 叢集簡介 | [Clustering ](5-Clustering/README.md ) | 清理、預備及視覺化資料；叢集簡介 | [Python ](5-Clustering/1-Visualize/README.md ) • [R ](../../5-Clustering/1-Visualize/solution/R/lesson_14.html ) | Jen • Eric Wanjau |
| 15 | 探索奈及利亞的音樂品味 🎧 | [Clustering ](5-Clustering/README.md ) | 探索 K-Means 叢集 方法 | [Python ](5-Clustering/2-K-Means/README.md ) • [R ](../../5-Clustering/2-K-Means/solution/R/lesson_15.html ) | Jen • Eric Wanjau |
| 16 | 自然語言處理簡介 ☕️ | [Natural language processing ](6-NLP/README.md ) | 透過建立簡易機器人學習 NLP 基礎 | [Python ](6-NLP/1-Introduction-to-NLP/README.md ) | Stephen |
| 17 | 常見 NLP 任務 ☕️ | [Natural language processing ](6-NLP/README.md ) | 深入理解處理語言結構時所需之常見任務 | [Python ](6-NLP/2-Tasks/README.md ) | Stephen |
| 18 | 翻譯與情感分析 ♥️ | [Natural language processing ](6-NLP/README.md ) | 以珍·奧斯汀作品做翻譯與情感分析 | [Python ](6-NLP/3-Translation-Sentiment/README.md ) | Stephen |
| 19 | 歐洲浪漫酒店 ♥️ | [Natural language processing ](6-NLP/README.md ) | 使用酒店評論做情感分析 1 | [Python ](6-NLP/4-Hotel-Reviews-1/README.md ) | Stephen |
| 20 | 歐洲浪漫酒店 ♥️ | [Natural language processing ](6-NLP/README.md ) | 使用酒店評論做情感分析 2 | [Python ](6-NLP/5-Hotel-Reviews-2/README.md ) | Stephen |
| 21 | 時間序列預測簡介 | [Time series ](7-TimeSeries/README.md ) | 時間序列預測入門 | [Python ](7-TimeSeries/1-Introduction/README.md ) | Francesca |
| 22 | ⚡️ 世界電力使用量 ⚡️ - ARIMA 時間序列預測 | [Time series ](7-TimeSeries/README.md ) | 使用 ARIMA 進行時間序列預測 | [Python ](7-TimeSeries/2-ARIMA/README.md ) | Francesca |
| 23 | ⚡️ 世界電力使用量 ⚡️ - SVR 時間序列預測 | [Time series ](7-TimeSeries/README.md ) | 使用支持向量回歸（ ） Python ](7-TimeSeries/3-SVR/README.md ) | Anirban |
| 24 | 強化學習簡介 | [Reinforcement learning ](8-Reinforcement/README.md ) | 使用 Q-學習介紹強化學習 | [Python ](8-Reinforcement/1-QLearning/README.md ) | Dmitry |
| 25 | 幫助 Peter 避開狼！ 🐺 | [Reinforcement learning ](8-Reinforcement/README.md ) | 強化學習 Gym | [Python ](8-Reinforcement/2-Gym/README.md ) | Dmitry |
| 後記 | 真實世界機器學習應用 | [ML in the Wild ](9-Real-World/README.md ) | 有趣且啟發性十足的傳統機器學習真實案例 | [Lesson ](9-Real-World/1-Applications/README.md ) | Team |
| 後記 | 使用 RAI 儀表板進行機器學習模型除錯 | [ML in the Wild ](9-Real-World/README.md ) | 使用 Responsible AI 儀表板元件進行機器學習模型除 錯 | [Lesson ](9-Real-World/2-Debugging-ML-Models/README.md ) | Ruth Yakubu |
> [在我們的 Microsoft Learn 集合中找到 此課程 所有額外資源](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum )
## 離線存取
你可以 使用 [Docsify ](https://docsify.js.org/#/ ) 離線運行本文件。將此資料庫 fork 到本地機器，並安裝 [Docsify ](https://docsify.js.org/#/quickstart )，接著於此資料庫根目錄下執行 `docsify serve` 。網站將會在本機端 3000 埠口提供服務：`localhost:3000`。
你可使用 [Docsify ](https://docsify.js.org/#/ ) 離線運行本文件。叉出這個儲存庫，在本地機器上[安裝 Docsify](https://docsify.js.org/#/quickstart)，然後在本儲存庫的根目錄輸入 `docsify serve` 。此網站會在你的本地主機的 3000 埠口提供服務：`localhost:3000`。
## PDF
這裡可找到課程大綱的 PDF 並附帶連結 [here ](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf )。
此課程課綱連結的 pdf 文件 [在此 ](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf )。
## 🎒 其他課程
## 🎒 其他課程
我們團隊還有其他課程！請參考 ：
我們團隊製作其他課程！敬請參閱 ：
<!-- CO - OP TRANSLATOR OTHER COURSES START -->
### LangChain
@ -184,54 +184,54 @@
### Azure / Edge / MCP / Agents
[](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
---
### 生成式 AI 系列
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[-9333EA?style=for-the-badge& labelColor=E5E7EB& color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
[-C084FC?style=for-the-badge& labelColor=E5E7EB& color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
[-E879F9?style=for-the-badge& labelColor=E5E7EB& color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
### Generative AI Series
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[-9333EA?style=for-the-badge& labelColor=E5E7EB& color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
[-C084FC?style=for-the-badge& labelColor=E5E7EB& color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
[-E879F9?style=for-the-badge& labelColor=E5E7EB& color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
---
### 核心學習
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
---
### Copilot 系列
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
[](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst)
<!-- CO - OP TRANSLATOR OTHER COURSES END -->
## 尋求協助
如果你在建立 AI 應用程式時遇到困難或有任何疑問，歡迎加入學習者和資深開發者的討論，一同參與 MCP 社群 。這是一個支持性的社群，歡迎提出問題並自由分享知識。
如果你遇到困難或對建立人工智能應用程式有任何疑問，歡迎加入學習者和經驗豐富開發者的討論 。這是一個支持性的社群，歡迎提出問題並自由分享知識。
[](https://discord.gg/nTYy5BXMWG)
如果你在開發過程中有產品反饋或遇到錯誤，請造訪 ：
如果你在建構產品時有反饋或錯誤，請訪問 ：
[](https://aka.ms/foundry/forum)
## 額外學習貼士
## 額外學習提示
- 每堂課後復習筆記本， 加深理解。
- 練習自行實作 算法。
- 利用所學概念探索真實世界 數據集。
- 完成每課後，回顧筆記以 加深理解。
- 自行練習實現 算法。
- 運用所學概念探索實際的 數據集。
---
<!-- CO - OP TRANSLATOR DISCLAIMER START -->
**免責聲明**：
本文件由人工智能 翻譯服務 [Co-op Translator ](https://github.com/Azure/co-op-translator ) 進行翻譯。我們致力於確保 準確性，但請注意， 母語版本應被視為權威來源。對於重要資訊，建議採用專業人工翻譯。本公司對因使用此翻譯而引致的任何誤解或誤讀概不 負責。
**免責聲明**：
本文件使用 AI 翻譯服務 [Co-op Translator ](https://github.com/Azure/co-op-translator ) 進行翻譯。雖然 我們致力於準確性，但請注意自動翻譯可能包含錯誤或不準確之處。原始文件的原文版本應視為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們不對因使用此翻譯而引起的任何誤解或誤釋 負責。
<!-- CO - OP TRANSLATOR DISCLAIMER END -->
localizeflow[bot]
4 months ago