From 2baf8aa202eb7a28a466053faf1a5f649d85412b Mon Sep 17 00:00:00 2001 From: "localizeflow[bot]" Date: Tue, 17 Mar 2026 08:35:51 +0000 Subject: [PATCH] chore(i18n): sync translations with latest source changes (chunk 1/1, 6 changes) --- translations/zh-HK/.co-op-translator.json | 4 +- translations/zh-HK/README.md | 230 +++++++++++----------- translations/zh-MO/.co-op-translator.json | 4 +- translations/zh-MO/README.md | 176 ++++++++--------- translations/zh-TW/.co-op-translator.json | 4 +- translations/zh-TW/README.md | 200 +++++++++---------- 6 files changed, 309 insertions(+), 309 deletions(-) diff --git a/translations/zh-HK/.co-op-translator.json b/translations/zh-HK/.co-op-translator.json index b33183721..ceff0fc52 100644 --- a/translations/zh-HK/.co-op-translator.json +++ b/translations/zh-HK/.co-op-translator.json @@ -552,8 +552,8 @@ "language_code": "zh-HK" }, "README.md": { - "original_hash": "3a0286e1c4858e79ff54f080dadc1426", - "translation_date": "2026-02-28T11:23:37+00:00", + "original_hash": "f7d55bf70beaab82d4621c0860301a64", + "translation_date": "2026-03-17T08:33:31+00:00", "source_file": "README.md", "language_code": "zh-HK" }, diff --git a/translations/zh-HK/README.md b/translations/zh-HK/README.md index 58826341f..7f2de7cfa 100644 --- a/translations/zh-HK/README.md +++ b/translations/zh-HK/README.md @@ -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） -[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（Gurmukhi）](../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) | [葡萄牙語（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，會大幅增加下載大小。若想不含翻譯檔，請使用稀疏檢出（sparse checkout）： > -> **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（Windows）:** +> **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。 -#### 加入我們的社區 +#### 加入我們的社群 [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -我們正進行 Discord AI 學習系列，2025 年 9 月 18 日至 30 日，了解更多並加入我們的 [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。 -![AI 學習系列](../../translated_images/zh-HK/3.9b58fd8d6c373c20.webp) +![Learn with AI series](../../translated_images/zh-HK/3.9b58fd8d6c373c20.webp) -# 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**：點擊本頁右上角的「Fork」按鈕。 -2. **複製存儲庫**： `git clone https://github.com/microsoft/ML-For-Beginners.git` +請依照以下步驟操作： +1. **Fork 該儲存庫**：點擊本頁右上角的「Fork」按鈕。 +2. **Clone 該儲存庫**：`git clone https://github.com/microsoft/ML-For-Beginners.git` -> [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。 [![ML for beginners banner](../../translated_images/zh-HK/ml-for-beginners-video-banner.63f694a100034bc6.webp)](https://aka.ms/ml-beginners-videos) --- -## 認識團隊 +## 團隊介紹 -[![推廣影片](../../images/ml.gif)](https://youtu.be/Tj1XWrDSYJU) +[![Promo video](../../images/ml.gif)](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`（R 或其他語言）與 `YAML 標頭`（用以指示如何格式化輸出，例如 PDF）嵌入於 `Markdown 文件` 中。基於此，R Markdown 作為資料科學的典範編輯架構，可讓你於 Markdown 中同時撰寫程式碼、其輸出與你的想法。此外，R Markdown 文件可以渲染為 PDF、HTML 或 Word 等輸出格式。 - -> **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：Q-Learning | [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）的格式。因此 R Markdown 是一個優秀的資料科學撰寫框架，允許你將程式碼、結果與筆記合為一體，並可以輸出成 PDF、HTML 或 Word 等格式。 +> **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（SVR）模型進行時間序列預測 | [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： ### LangChain @@ -184,54 +184,54 @@ ### Azure / Edge / MCP / Agents [![AZD for Beginners](https://img.shields.io/badge/AZD%20for%20Beginners-0078D4?style=for-the-badge&labelColor=E5E7EB&color=0078D4)](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst) [![Edge AI for Beginners](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst) -[![初學者 MCP](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst) -[![初學者 AI 代理](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) +[![MCP for Beginners](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst) +[![AI Agents for Beginners](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) --- -### 生成式 AI 系列 -[![初學者生成式 AI](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst) -[![生成式 AI (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst) -[![生成式 AI (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst) -[![生成式 AI (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-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 +[![初學者的生成式人工智能](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst) +[![生成式人工智能 (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst) +[![生成式人工智能 (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst) +[![生成式人工智能 (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-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 -[![初學者機器學習](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst) -[![初學者數據科學](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst) -[![初學者 AI](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst) -[![初學者網絡安全](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung) -[![初學者網頁開發](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst) -[![初學者物聯網](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst) -[![初學者 XR 開發](https://img.shields.io/badge/XR%20Development%20for%20Beginners-38BDF8?style=for-the-badge&labelColor=E5E7EB&color=38BDF8)](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst) +[![初學者的機器學習](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst) +[![初學者的數據科學](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst) +[![初學者的人工智能](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst) +[![初學者的網絡安全](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung) +[![初學者的網頁開發](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst) +[![初學者的物聯網](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst) +[![初學者的擴增實境開發](https://img.shields.io/badge/XR%20Development%20for%20Beginners-38BDF8?style=for-the-badge&labelColor=E5E7EB&color=38BDF8)](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst) --- ### Copilot 系列 -[![為 AI 配對編程設計的 Copilot](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst) -[![為 C#/.NET 設計的 Copilot](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst) +[![人工智能配對程式設計的 Copilot](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst) +[![C#/.NET 的 Copilot](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst) [![Copilot 冒險](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst) ## 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。 [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](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： [![Microsoft Foundry Developer Forum](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](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。 --- -**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，自動翻譯可能包含錯誤或不準確之處。原始文件的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。 \ No newline at end of file diff --git a/translations/zh-MO/.co-op-translator.json b/translations/zh-MO/.co-op-translator.json index f0715b679..5be1dd27c 100644 --- a/translations/zh-MO/.co-op-translator.json +++ b/translations/zh-MO/.co-op-translator.json @@ -552,8 +552,8 @@ "language_code": "zh-MO" }, "README.md": { - "original_hash": "3a0286e1c4858e79ff54f080dadc1426", - "translation_date": "2026-02-28T11:20:57+00:00", + "original_hash": "f7d55bf70beaab82d4621c0860301a64", + "translation_date": "2026-03-17T08:31:30+00:00", "source_file": "README.md", "language_code": "zh-MO" }, diff --git a/translations/zh-MO/README.md b/translations/zh-MO/README.md index 1c2e77615..a81861117 100644 --- a/translations/zh-MO/README.md +++ b/translations/zh-MO/README.md @@ -10,14 +10,14 @@ ### 🌐 多語言支援 -#### 透過 GitHub Action 支援（自動化且始終保持最新） +#### 透過 GitHub Action 支援（自動且保持最新） -[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 (Myanmar)](../my/README.md) | [中文 (簡體)](../zh-CN/README.md) | [中文 (繁體，香港)](../zh-HK/README.md) | [中文 (繁體，澳門)](./README.md) | [中文 (繁體，臺灣)](../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) | [坎納達語](../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) | [葡萄牙語 (巴西)](../pt-BR/README.md) | [葡萄牙語 (葡萄牙)](../pt-PT/README.md) | [旁遮普語 (Gurmukhi)](../pa/README.md) | [羅馬尼亞語](../ro/README.md) | [俄羅斯語](../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) +[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh-CN/README.md) | [Chinese (Traditional, Hong Kong)](../zh-HK/README.md) | [Chinese (Traditional, Macau)](./README.md) | [Chinese (Traditional, Taiwan)](../zh-TW/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](../hi/README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Korean](../ko/README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](../no/README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../pt-BR/README.md) | [Portuguese (Portugal)](../pt-PT/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md) -> **想要本地複製？** +> **想本地克隆？** > -> 此儲存庫包含 50 多種語言翻譯，會大幅增加下載大小。若想不帶翻譯內容複製，請使用稀疏檢出： +> 本倉庫包含 50 多種語言翻譯，會大幅增加下載大小。若想克隆但不帶翻譯，請使用稀疏檢出： > > **Bash / macOS / Linux:** > ```bash @@ -33,145 +33,145 @@ > git sparse-checkout set --no-cone "/*" "!translations" "!translated_images" > ``` > -> 這樣可以更快速下載，且包含完成課程所需的一切。 +> 這樣可以讓您以更快速度下載，完成課程所有所需內容。 #### 加入我們的社群 [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -我們正在舉辦 Discord 的 AI 學習系列活動，請於 2025 年 9 月 18 日至 30 日前往 [Learn with AI Series](https://aka.ms/learnwithai/discord) 瞭解更多並加入。我們將分享使用 GitHub Copilot 進行資料科學的技巧與方法。 +我們有一個持續進行的 Discord AI 學習系列，了解更多及加入我們請訪問 [Learn with AI Series](https://aka.ms/learnwithai/discord)（2025年9月18日至30日）。您將學習使用 GitHub Copilot 進行資料科學的技巧與秘訣。 ![Learn with AI series](../../translated_images/zh-MO/3.9b58fd8d6c373c20.webp) -# 機器學習初學者課程綱要 +# 初學者機器學習課程大綱 -> 🌍 透過世界文化的視角，帶你環遊世界探索機器學習 🌍 +> 🌍 跟隨我們透過世界文化探索機器學習之旅 🌍 -微軟的雲端擁護者很高興提供一套為期 12 週、共 26 課的完整課程，主題為 **機器學習**。本課程聚焦於所謂的 **經典機器學習**，主要使用 Scikit-learn 函式庫，避開深度學習部分（相關內容可見於我們的[初學者 AI 課程](https://aka.ms/ai4beginners)）。也建議和我們的[初學者資料科學課程](https://aka.ms/ds4beginners) 搭配學習！ +微軟的雲端倡導者很高興提供一套為期 12 週、共 26 課的 **機器學習** 課程。在這套課程中，您將學習所謂的 **傳統機器學習**，主要使用 Scikit-learn 函式庫，並避開深度學習（深度學習部份收錄於我們的 [初學者人工智能課程](https://aka.ms/ai4beginners)）。同時建議搭配我們的 [初學者資料科學課程](https://aka.ms/ds4beginners)。 -跟我們一起周遊世界，將這些經典技術應用於各地的資料。每課包含課前與課後測驗、書面教學指引、解答、作業與更多。採用專案導向教學法，讓你邊學邊做，是幫助新技能扎根的有效方法。 +跟著我們一起環遊世界，將經典技術應用於來自世界各地的數據。每堂課包含課前與課後小測、書面說明完成課程步驟、解答、作業等。我們以專案為基礎的教學法讓您在建構專案中同時學習，這是讓新技能更穩固的有效方法。 -**✍️ 衷心感謝我們的作者** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu 與 Amy Boyd +**✍️ 衷心感謝作者** Jen Looper、Stephen Howell、Francesca Lazzeri、Tomomi Imura、Cassie Breviu、Dmitry Soshnikov、Chris Noring、Anirban Mukherjee、Ornella Altunyan、Ruth Yakubu 以及 Amy Boyd -**🎨 以及感謝我們的插畫師** Tomomi Imura, Dasani Madipalli 與 Jen Looper +**🎨 同時感謝插畫者** Tomomi Imura、Dasani Madipalli 和 Jen Looper -**🙏 特別感謝 🙏 微軟學生大使的作者、審閱者與內容貢獻者**，尤其是 Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila 與 Snigdha Agarwal +**🙏 特別感謝 Microsoft 學生大使們的作者、審閱者與內容貢獻者**，特別是 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 對我們的 R 課程貢獻！** +**🤩 額外感謝 Microsoft 學生大使 Eric Wanjau、Jasleen Sondhi 與 Vidushi Gupta 協助我們製作 R 課程！** -# 開始使用 +# 開始之前 -請依序操作： -1. **分叉此儲存庫（Fork）**：點擊本頁右上角的「Fork」按鈕。 -2. **複製儲存庫（Clone）**：`git clone https://github.com/microsoft/ML-For-Beginners.git` +請依序執行下列步驟： +1. **Fork 此倉庫**：點擊頁面右上角的「Fork」按鈕。 +2. **複製倉庫**： `git clone https://github.com/microsoft/ML-For-Beginners.git` -> [本課程的所有附加資源請見我們的 Microsoft Learn 集合](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) +> [你可在我們的 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) -> 🔧 **需要幫助？** 請查閱我們的[Troubleshooting Guide](TROUBLESHOOTING.md)，解決常見的安裝、設定及執行問題。 +> 🔧 **需要幫忙？** 請查閱我們的 [故障排除指南](TROUBLESHOOTING.md)，了解常見安裝、設定及執行課程問題的解決方案。 -**[學生](https://aka.ms/student-page)**，請將此課程的整個儲存庫 Fork 到你的 GitHub 帳號，並自行或團體完成練習： +**[學生們](https://aka.ms/student-page)**，請將此課程倉庫全部 Fork 至自己的 GitHub 帳號，並自行或與團隊完成練習： -- 先做課前熱身測驗。 -- 閱讀課程教材並完成練習，並在每個知識點停下來思考。 -- 盡量透過理解課程內容來建立專案，而非直接運行解答程式碼；不過解答可在每個專案課的 `/solution` 資料夾找到。 -- 做完課後測驗。 -- 完成挑戰。 -- 完成指定作業。 -- 完成每組課程後，歡迎前往[討論區](https://github.com/microsoft/ML-For-Beginners/discussions)藉由填寫對應的 PAT 評分表「大聲學習」。PAT（進度評估工具）是用來提升學習的評分表。你也可以對其他人的 PAT 做出回應，共同進步。 +- 先完成課前小測。 +- 閱讀課程內容並完成活動，在每個知識點暫停並思考。 +- 嘗試自行理解課程內容完成專案，而非直接執行解答程式碼；該解答程式碼可在每個專案主題課程的 `/solution` 資料夾找到。 +- 完成課後小測。 +- 完成挑戰題。 +- 完成作業。 +- 完成本組課程後，請到 [討論區](https://github.com/microsoft/ML-For-Beginners/discussions) 填寫 PAT 評量表以「大聲學習」。PAT 是一種你填寫以促進學習的進度評估工具。你也可以對其他人的 PAT 留下回應，大家一起學習。 -> 若要進一步學習，我們建議跟隨這些[Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott)模組及學習路徑。 +> 若要深入學習，我們建議參考這些 [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) 模組與學習路徑。 -**教師**，我們已[提供一些建議](for-teachers.md) 關於如何使用此課程。 +**教師們**，我們提供了關於如何使用此課程的[建議說明](for-teachers.md)。 --- ## 影片導覽 -部分課程附有短片教學。你可在課程中內嵌觀看，或者前往[微軟開發者 YouTube 頻道的 ML 入門播放清單](https://aka.ms/ml-beginners-videos)點擊下面的圖片瀏覽。 +部分課程提供短影片說明。您可在課程內內嵌觀看，也可到 [Microsoft 開發者 YouTube 頻道的 ML 初學者播放清單](https://aka.ms/ml-beginners-videos) 點擊下方圖片觀看。 [![ML for beginners banner](../../translated_images/zh-MO/ml-for-beginners-video-banner.63f694a100034bc6.webp)](https://aka.ms/ml-beginners-videos) --- -## 團隊介紹 +## 認識團隊 [![Promo video](../../images/ml.gif)](https://youtu.be/Tj1XWrDSYJU) -**GIF 製作:** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) +**Gif 來源** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) -> 🎥 點擊上方圖片觀看有關本專案及其創作者的影片！ +> 🎥 點擊上方圖片觀看關於專案和作者們的影片！ --- ## 教學理念 -在設計本課程時，我們選擇了兩項教學原則：確保全程是動手操作的 **專案導向**，並且包含 **頻繁測驗**。另外，課程設計有共同的 **主題** 以增加連貫性。 +我們在構建此課程時選擇了兩大教學原則：確保實作為主的**專案導向**，並加入**頻繁的小測**。此外，本課程具備共同的**主題性**以增強連貫性。 -透過內容與專案的緊密結合，學習過程更能吸引學生注意力，且有助於鞏固概念。課前的低壓力測驗讓學生訂立學習目標，課後的再度測驗則支持加深記憶。課程有彈性且趣味十足，可完整學習或擷取部分主題。專案自簡入深，於 12 週循環末達到複雜度高峰。最後也有針對機器學習在現實世界應用的補充內容，可用作加分題或討論基礎。 +確保內容與專案相符，能讓學生更加投入且增強概念記憶。課前低壓力小測確立學習目標，課後小測則幫助深化記憶。本課程設計靈活且有趣，可全文修讀或部分學習。專案規模由小至大，至 12 週結束達成較複雜程度。此外，課程還包含機器學習現實應用後記，可用作額外學分或討論基礎。 -> 請參考我們的[行為守則](CODE_OF_CONDUCT.md)、[貢獻指南](CONTRIBUTING.md)、[翻譯指南](TRANSLATIONS.md) 以及 [故障排除](TROUBLESHOOTING.md) 文件。我們十分歡迎您建設性的反饋！ +> 請參閱我們的 [行為準則](CODE_OF_CONDUCT.md)、[貢獻指南](CONTRIBUTING.md)、[翻譯](..)與[故障排除](TROUBLESHOOTING.md) 文件。歡迎提供建設性意見！ ## 每堂課包含 -- 選擇性手繪筆記 -- 選擇性補充影片 +- 可選手繪筆記 +- 可選補充影片 - 影片導覽（部分課程） -- [課前熱身測驗](https://ff-quizzes.netlify.app/en/ml/) -- 書面課程內容 -- 專案課程附分步驟指引 +- [課前暖身小測](https://ff-quizzes.netlify.app/en/ml/) +- 書面課程說明 +- 專案課程逐步指引 - 知識檢核 - 挑戰題 - 補充閱讀資料 - 作業 -- [課後測驗](https://ff-quizzes.netlify.app/en/ml/) -> **關於語言的說明**：這些課程主要以 Python 撰寫，但也有許多課程提供 R 版本。要完成 R 課程，請前往 `/solution` 資料夾，尋找 R 課程。它們包含 .rmd 副檔名，代表一個 **R Markdown** 檔案，可簡單定義為在 `Markdown 文件` 中嵌入 `程式碼區塊`（R 或其他語言）及 `YAML 標頭` （用於指導如何格式化輸出，如 PDF）。因此，它成為資料科學的典範編寫框架，允許你結合程式碼、其輸出及你的想法，並用 Markdown 記錄。此外，R Markdown 文件可渲染輸出格式如 PDF、HTML 或 Word。 - -> **關於測驗的說明**：所有測驗都包含在 [Quiz App 資料夾](../../quiz-app) 中，共有 52 個測驗，每個包含三個問題。測驗由課程內連結，可本地執行測驗應用程式；請依照 `quiz-app` 資料夾中的說明，在本地架設或部署至 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) | 了解該領域的歷史背景 | [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) | 探討學生在建立及應用 ML 模型時應考慮的重要哲學性公平議題 | [Lesson](1-Introduction/3-fairness/README.md) | Tomomi | -| 04 | 機器學習技術 | [Introduction](1-Introduction/README.md) | 機器學習研究人員用來建立 ML 模型的技術 | [Lesson](1-Introduction/4-techniques-of-ML/README.md) | Chris and Jen | -| 05 | 迴歸簡介 | [Regression](2-Regression/README.md) | 使用 Python 和 Scikit-learn 入門迴歸模型 | [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) | 可視化與清理資料，以備 ML 使用 | [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) | 建立線性與多項式迴歸模型 | [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) | 建立邏輯斯迴歸模型 | [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) | 建置可使用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、準備及視覺化資料；分類介紹 | [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 and 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 and 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 | 分群簡介 | [Clustering](5-Clustering/README.md) | 清理、準備及視覺化資料；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 | 探索尼日利亞音樂喜好 🎧 | [Clustering](5-Clustering/README.md) | 探索 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 | 自然語言處理簡介 ☕️ | [Natural language processing](6-NLP/README.md) | 透過建立簡單機器人學習 NLP 基礎 | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen | -| 17 | 常見的 NLP 任務 ☕️ | [Natural language processing](6-NLP/README.md) | 深化 NLP 知識，理解處理語言結構時需執行的常見任務 | [Python](6-NLP/2-Tasks/README.md) | Stephen | -| 18 | 翻譯與情感分析 ♥️ | [Natural language processing](6-NLP/README.md) | 使用 Jane Austen 進行情感分析與翻譯 | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen | -| 19 | 歐洲浪漫旅館 ♥️ | [Natural language processing](6-NLP/README.md) | 利用旅館評論進行情感分析 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen | -| 20 | 歐洲浪漫旅館 ♥️ | [Natural language processing](6-NLP/README.md) | 利用旅館評論進行情感分析 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen | -| 21 | 時間序列預測簡介 | [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) | 使用支援向量回歸器進行時間序列預測 | [Python](7-TimeSeries/3-SVR/README.md) | Anirban | -| 24 | 強化學習簡介 | [Reinforcement learning](8-Reinforcement/README.md) | 使用 Q-Learning 進行強化學習簡介 | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry | -| 25 | 幫助彼得躲避狼！🐺 | [Reinforcement learning](8-Reinforcement/README.md) | 強化學習 Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry | -| Postscript | 實際機器學習場景與應用 | [ML in the Wild](9-Real-World/README.md) | 經典機器學習有趣且富啟發性的實際應用 | [Lesson](9-Real-World/1-Applications/README.md) | Team | -| Postscript | 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 儀表板組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 集合中找到此課程的所有額外資源](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) +- [課後小測](https://ff-quizzes.netlify.app/en/ml/) + +> **語言說明**：這些課程主要使用 Python 撰寫，但許多也有 R 版本。要完成 R 課程，請前往 `/solution` 資料夾尋找 .rmd 檔案，這是 **R Markdown** 文件，結合了 `R 語言或其他語言代碼區塊` 和一個用來指示如何格式化輸出（如 PDF）的 `YAML 標頭`，內含 Markdown 文件。本格式提供數據科學優秀的撰寫框架，可將程式碼、輸出與想法寫入 Markdown 文件中。此外，R Markdown 文件能編譯輸出成 PDF、HTML 或 Word 等格式。 +> **關於小測驗的說明**：所有小測驗皆收錄於[Quiz App folder](../../quiz-app)，共52個小測驗，每個包含三個問題。小測驗會在課程中連結，但你也可以在本地執行小測驗應用程式；請遵循 `quiz-app` 資料夾內的指示進行本地託管或部署到 Azure。 + +| 課程編號 | 主題 | 課程群組 | 學習目標 | 連結課程 | 作者 | +| :-------: | :------------------------------------------------------------: | :-------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: | +| 01 | 機器學習介紹 | [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) | 瞭解此領域的歷史背景 | [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) | 學生應考慮建構及應用機器學習模型時需注意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) | 機器學習研究者用來建立模型的技術有哪些？ | [Lesson](1-Introduction/4-techniques-of-ML/README.md) | Chris and Jen | +| 05 | 回歸介紹 | [Regression](2-Regression/README.md) | 開始使用 Python 與 Scikit-learn 進行回歸模型建構 | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau | +| 06 | 北美地區南瓜價格 🎃 | [Regression](2-Regression/README.md) | 視覺化並清理資料以準備機器學習 | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau | +| 07 | 北美地區南瓜價格 🎃 | [Regression](2-Regression/README.md) | 建立線性及多項式回歸模型 | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen and Dmitry • Eric Wanjau | +| 08 | 北美地區南瓜價格 🎃 | [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 | 網頁應用程式 🔌 | [Web App](3-Web-App/README.md) | 建立使用你訓練好的模型的網頁應用程式 | [Python](3-Web-App/1-Web-App/README.md) | Jen | +| 10 | 分類介紹 | [Classification](4-Classification/README.md) | 清理、準備及視覺化資料；分類介紹 | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen and Cassie • Eric Wanjau | +| 11 | 美味亞洲及印度料理 🍜 | [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 and Cassie • Eric Wanjau | +| 12 | 美味亞洲及印度料理 🍜 | [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 | 美味亞洲及印度料理 🍜 | [Classification](4-Classification/README.md) | 使用你的模型建立推薦系統網頁應用程式 | [Python](4-Classification/4-Applied/README.md) | Jen | +| 14 | 聚類介紹 | [Clustering](5-Clustering/README.md) | 清理、準備及視覺化資料；聚類介紹 | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau | +| 15 | 探索尼日利亞音樂品味 🎧 | [Clustering](5-Clustering/README.md) | 探索 K-Means 聚類方法 | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau | +| 16 | 自然語言處理介紹 ☕️ | [Natural language processing](6-NLP/README.md) | 通過建立簡單的機器人了解 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) | 通過理解處理語言結構所需的常見任務來深化你的 NLP 知識 | [Python](6-NLP/2-Tasks/README.md) | Stephen | +| 18 | 翻譯與情感分析 ♥️ | [Natural language processing](6-NLP/README.md) | 使用 Jane Austen 進行翻譯與情感分析 | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen | +| 19 | 歐洲浪漫飯店 ♥️ | [Natural language processing](6-NLP/README.md) | 使用旅館評論進行情感分析 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) | 使用旅館評論進行情感分析 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen | +| 21 | 時間序列預測介紹 | [Time series](7-TimeSeries/README.md) | 時間序列預測入門 | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca | +| 22 | ⚡️ 全球電力使用 ⚡️ - 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 | ⚡️ 全球電力使用 ⚡️ - 使用 SVR 進行時間序列預測 | [Time series](7-TimeSeries/README.md) | 使用支持向量迴歸進行時間序列預測 | [Python](7-TimeSeries/3-SVR/README.md) | Anirban | +| 24 | 強化學習介紹 | [Reinforcement learning](8-Reinforcement/README.md) | 使用 Q-Learning 進行強化學習入門 | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry | +| 25 | 幫彼得躲避狼！🐺 | [Reinforcement learning](8-Reinforcement/README.md) | 強化學習 Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry | +| 附錄 | 真實世界的機器學習案例與應用 | [ML in the Wild](9-Real-World/README.md) | 有趣且具啟發性的經典機器學習真實應用案例 | [Lesson](9-Real-World/1-Applications/README.md) | 團隊 | +| 附錄 | 使用 RAI 儀表板進行機器學習模型調試 | [ML in the Wild](9-Real-World/README.md) | 使用 Responsible AI 儀表板組件進行機器學習模型調試 | [Lesson](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu | + +> [在我們的 Microsoft Learn 集合中找到此課程的所有其他資源](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/#/) 離線執行此文件。分支此儲存庫，在你的本機安裝 [Docsify](https://docsify.js.org/#/quickstart)，然後在此儲存庫根目錄輸入 `docsify serve`。網站將會在本地主機的 3000 埠執行：`localhost:3000`。 +您可以使用 [Docsify](https://docsify.js.org/#/) 離線運行此文件。將本倉庫 fork，並在本地機器上安裝 [Docsify](https://docsify.js.org/#/quickstart)，然後在本倉庫根資料夾鍵入 `docsify serve`。網站將在您本地的 3000 端口提供服務：`localhost:3000`。 ## PDF 檔案 -在[此處](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf)找到課程大綱的帶連結 PDF。 +請在[這裡](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf)下載帶有連結的課程大綱 PDF。 ## 🎒 其他課程 -我們團隊還製作其他課程！快來看看： +我們團隊還製作其他課程！請參考： ### LangChain @@ -213,24 +213,24 @@ [![Copilot Adventure](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst) -## 尋求幫助 +## 獲取幫助 -如果你遇到困難或對建構 AI 應用程式有任何疑問，歡迎加入一同學習的夥伴與經驗豐富的開發者討論 MCP。這是一個支持性的社群，歡迎提問並自由分享知識。 +如果你遇到困難或有任何關於建立 AI 應用程式的問題，歡迎加入 MCP 的學習者和有經驗開發者討論。這是一個支持性的社群，歡迎提問並自由分享知識。 [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -如果你有產品反饋或在建構過程中遇到錯誤，請造訪： +如果你有產品反饋或在開發時遇到錯誤，請訪問： [![Microsoft Foundry Developer Forum](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) -## 進階學習提示 +## 額外學習提示 -- 每堂課後複習筆記本，以加深理解。 +- 每課後回顧筆記本以增進理解。 - 練習自行實作演算法。 -- 利用學到的概念探索實際數據集。 +- 探索使用所學概念的實際數據集。 --- **免責聲明**： -此文件由人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 所翻譯。儘管我們致力於準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原文件的母語版本應視為權威來源。對於重要資訊，建議採用專業人工翻譯。我們不對因使用此翻譯而引起的任何誤解或錯誤解讀承擔責任。 +本文件係使用AI翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們力求準確，但請注意，自動翻譯可能包含錯誤或不準確之處。文件原文版本應被視為權威依據。對於重要資訊，建議使用專業人工翻譯。我們對因使用此翻譯而導致之任何誤解或誤釋不承擔任何責任。 \ No newline at end of file diff --git a/translations/zh-TW/.co-op-translator.json b/translations/zh-TW/.co-op-translator.json index 88e89f8d8..1ca1b661f 100644 --- a/translations/zh-TW/.co-op-translator.json +++ b/translations/zh-TW/.co-op-translator.json @@ -552,8 +552,8 @@ "language_code": "zh-TW" }, "README.md": { - "original_hash": "3a0286e1c4858e79ff54f080dadc1426", - "translation_date": "2026-02-28T11:26:17+00:00", + "original_hash": "f7d55bf70beaab82d4621c0860301a64", + "translation_date": "2026-03-17T08:35:40+00:00", "source_file": "README.md", "language_code": "zh-TW" }, diff --git a/translations/zh-TW/README.md b/translations/zh-TW/README.md index a2702467a..32e59f377 100644 --- a/translations/zh-TW/README.md +++ b/translations/zh-TW/README.md @@ -13,11 +13,11 @@ #### 透過 GitHub Action 支援（自動且持續更新） -[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）](../zh-HK/README.md) | [中文（繁體，澳門）](../zh-MO/README.md) | [中文（繁體，臺灣）](./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) | [印度尼西亞語](../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) | [奈及利亞洋泾浜語](../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) | [葡萄牙語（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) | [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](../my/README.md) | [中文（簡體）](../zh-CN/README.md) | [中文（繁體，香港）](../zh-HK/README.md) | [中文（繁體，澳門）](../zh-MO/README.md) | [中文（繁體，台灣）](./README.md) | [克羅埃西亞語](../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) | [巴西葡萄牙語](../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) | [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) -> **偏好本地 Clone？** +> **偏好本機複製？** > -> 本倉庫包含 50 多種語言的翻譯，會大幅增加下載大小。若要不含翻譯檔案的 Clone，請使用 sparse checkout： +> 本儲存庫包含 50 多種語言的翻譯，這會大幅增加下載大小。若要在不下載翻譯資料的情況下複製，請使用稀疏檢出： > > **Bash / macOS / Linux:** > ```bash @@ -33,145 +33,145 @@ > git sparse-checkout set --no-cone "/*" "!translations" "!translated_images" > ``` > -> 這讓你可以更快下載，且擁有所需完成課程的所有內容。 +> 這樣可以讓你更快速取得完成課程所需的所有內容。 #### 加入我們的社群 [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -我們有一系列 Discord AI 學習活動，詳情及參與請訪問 [Learn with AI Series](https://aka.ms/learnwithai/discord)，時間為 2025 年 9 月 18 日至 30 日。您將學到使用 GitHub Copilot 於資料科學的技巧與秘訣。 +我們目前在 Discord 舉辦 AI 學習系列課程，詳細資訊及參加方式請見 [Learn with AI Series](https://aka.ms/learnwithai/discord)，活動日期為 2025年9月18日至30日。你將學會使用 GitHub Copilot 進行資料科學的技巧與秘訣。 ![Learn with AI series](../../translated_images/zh-TW/3.9b58fd8d6c373c20.webp) -# 機器學習給初學者 - 課程大綱 +# 機器學習入門教材 -> 🌍 透過世界多元文化，一同探索機器學習 🌍 +> 🌍 一起環遊世界，透過世界各地文化來探索機器學習 🌍 -微軟雲端推廣團隊很高興提供一個為期 12 週、共 26 課的 **機器學習** 課程。在這套課程中，您將學習有時被稱為 **經典機器學習** 的內容，主要使用 Scikit-learn 這個函式庫，避免使用深度學習（深度學習部分包含在我們的 [AI for Beginners 課程](https://aka.ms/ai4beginners) 中）。此外，也建議搭配我們的 [初學者資料科學課程](https://aka.ms/ds4beginners) 一同學習。 +微軟的 Cloud Advocates 很高興提供一個為期 12 週、共 26 課的機器學習完整教材。在本教材中，你將學習所謂的 **經典機器學習**，主要利用 Scikit-learn 函式庫，避免深度學習部分，深度學習相關內容請參考我們的 [新手 AI 教材](https://aka.ms/ai4beginners)。你也可以搭配我們的['新手資料科學教材'](https://aka.ms/ds4beginners)一同學習。 -跟著我們環遊世界，應用這些經典技術於全球各地的資料。每堂課都包含課前和課後測驗、書面教學指示、解答、作業等。我們採取以專案為基礎的教學法，讓你透過實作學習新技能，成效更佳。 +隨著我們環遊世界，你將學會如何用這些經典技術分析來自全球的各種數據。每節課包含課前與課後測驗、詳細的書面教學、解答、作業等。專案式教學讓你邊學邊做，幫助新技能更好地吸收。 -**✍️ 由衷感謝我們的作者**：Jen Looper、Stephen Howell、Francesca Lazzeri、Tomomi Imura、Cassie Breviu、Dmitry Soshnikov、Chris Noring、Anirban Mukherjee、Ornella Altunyan、Ruth Yakubu 及 Amy Boyd +**✍️ 特別感謝作者** Jen Looper、Stephen Howell、Francesca Lazzeri、Tomomi Imura、Cassie Breviu、Dmitry Soshnikov、Chris Noring、Anirban Mukherjee、Ornella Altunyan、Ruth Yakubu 及 Amy Boyd -**🎨 也感謝我們的插畫師**：Tomomi Imura、Dasani Madipalli 與 Jen Looper +**🎨 也感謝插畫者** Tomomi Imura、Dasani Madipalli 和 Jen Looper -**🙏 特別感謝 🙏 微軟學生大使團隊作者、審查者與內容貢獻者**，特別是 Rishit Dagli、Muhammad Sakib Khan Inan、Rohan Raj、Alexandru Petrescu、Abhishek Jaiswal、Nawrin Tabassum、Ioan Samuila 和 Snigdha Agarwal +**🙏 特別感謝 🙏 微軟學生大使作者、審稿與內容貢獻者**，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 和 Vidushi Gupta 貢獻 R 課程內容！** +**🤩 另外感謝微軟學生大使 Eric Wanjau、Jasleen Sondhi 和 Vidushi Gupta 貢獻 R 課程！** -# 快速開始 +# 開始使用 -請依序操作： -1. **Fork 倉庫**：點擊本頁右上方的「Fork」按鈕。 -2. **Clone 倉庫**：`git clone https://github.com/microsoft/ML-For-Beginners.git` +請依照以下步驟進行： +1. **Fork 本儲存庫**：點擊本頁右上角的「Fork」按鈕。 +2. **Clone 本儲存庫**： `git clone https://github.com/microsoft/ML-For-Beginners.git` -> [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) +> [在我們的 Microsoft Learn 集合中找到本課程所有其他資源](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) -> 🔧 **需要幫助？** 請參考我們的 [故障排除指南](TROUBLESHOOTING.md)，解決安裝、設定與課程執行常見問題。 +> 🔧 **需要協助？** 請參閱我們的 [疑難排解指南](TROUBLESHOOTING.md)，解決安裝、設定或執行課程常見問題。 -**[學生專屬頁面](https://aka.ms/student-page)**，使用本課程時，請將整個倉庫 Fork 至您自己的 GitHub 帳號，自行或與團隊完成練習： +**[學生](https://aka.ms/student-page)**，請將本教材整個 Repo fork 至個人 GitHub 帳號，並自行或組團完成練習： - 從課前測驗開始。 -- 閱讀課程並完成活動，每個知識點停下來思考。 -- 嘗試自行理解並完成專案，不要直接執行解答程式碼；不過解答程式碼位於各專案課程的 `/solution` 資料夾中供參考。 -- 參加課後測驗。 +- 閱讀課程內容並完成各項活動，每個知識檢查點停下來思考。 +- 嘗試理解課程內容並自己完成專案，而非單純執行解答程式碼；但解答程式碼會放在每個專案課程的 `/solution` 資料夾中供參考。 +- 完成課後測驗。 - 完成挑戰題。 - 完成作業。 -- 完成一組課程後，請造訪 [討論區](https://github.com/microsoft/ML-For-Beginners/discussions)，並透過填寫適當的 PAT 評量表來「大聲學習」。PAT（進度評量工具）是您填寫的學習工具，還可以回應其他人的 PAT，一起互相學習。 +- 完成一組課程後，請造訪 [討論區](https://github.com/microsoft/ML-For-Beginners/discussions) 並藉由填寫「PAT 評分表」公開學習心得。PAT 是一種進度評估工具，透過填寫可以促進學習。你也能對其他人的 PAT 給予回應，與大家一同學習成長。 -> 想要深入學習，我們推薦關注這些 [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) 模組與學習路徑。 +> 若想進一步學習，我們推薦這些 [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) 模組與學習路徑。 -**教師專用**，我們提供了[使用本課程的建議](for-teachers.md)。 +**教師們**，我們已在[如何使用本教材](for-teachers.md)文件中提供相關建議。 --- ## 影片導覽 -部分課程有短版影片，您可在課程內嵌連結觀看，或前往 [Microsoft Developer YouTube 頻道上機器學習入門影片清單](https://aka.ms/ml-beginners-videos) 按下面圖片播放。 +部分課程提供短影片教學版本。你可以在課程內嵌的影片中觀看，或造訪 [Microsoft Developer YouTube 頻道的 ML for Beginners 播放清單](https://aka.ms/ml-beginners-videos)點擊下方圖示觀看。 [![ML for beginners banner](../../translated_images/zh-TW/ml-for-beginners-video-banner.63f694a100034bc6.webp)](https://aka.ms/ml-beginners-videos) --- -## 認識團隊 +## 團隊介紹 [![Promo video](../../images/ml.gif)](https://youtu.be/Tj1XWrDSYJU) -**Gif 製作：** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) +**動態圖 GIF 來源** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) -> 🎥 點擊上方圖片觀看關於專案和開發團隊的影片！ +> 🎥 點擊上方圖片觀看有關本專案及團隊成員的介紹影片！ --- -## 教學法 +## 教學理念 -我們在打造本課程時堅持兩大教學原則：確保課程是動手做的 **專案導向**，以及包含 **頻繁測驗**。另外，本課程有一致的 **主題** 以保持連貫。 +本教材依循兩大教學原則打造：強調 **實作專案導向** 和包含 **頻繁的測驗**。此外，本教材以統一的 **主題** 創造連貫性。 -透過確保內容與專案對應，學習過程更吸引學生，概念吸收也更牢固。課前的低壓測驗幫助學生設定學習目標，而課後測驗則加強記憶。本課程設計靈活有趣，您可全部修完或擇取部分。專案由淺入深，隨著 12 週結束而逐漸複雜。此外，本課程包含機器學習實際應用的後記，可作為額外學分或討論基礎。 +透過確保課程內容與專案緊密結合，學習過程更具吸引力，並增進觀念記憶。課前低壓力測驗幫助學生設定學習目標，課後測驗則強化記憶與理解。整個教材設計靈活且有趣，學生可選擇全部或部分學習。專案難度由淺入深，隨著 12 周課程逐步增加挑戰。教材末尾也包含機器學習在實務中的應用，可作為加分題或討論基礎。 -> 找到我們的[行為守則](CODE_OF_CONDUCT.md)、[貢獻指南](CONTRIBUTING.md)、[翻譯指南](TRANSLATIONS.md)與[故障排除指南](TROUBLESHOOTING.md)。歡迎您提供建設性回饋！ +> 請參閱本專案的 [行為守則](CODE_OF_CONDUCT.md)、[貢獻指南](CONTRIBUTING.md)、[翻譯](..)與[疑難排解](TROUBLESHOOTING.md)文件。我們歡迎您的建設性回饋！ -## 每堂課包含 +## 每堂課內容含括 -- 可選的手繪筆記 -- 可選的補充影片 -- 影片導覽（部分課程） +- 選擇性思維導圖 +- 選擇性補充影片 +- 影片導覽（有些課程才有） - [課前暖身測驗](https://ff-quizzes.netlify.app/en/ml/) -- 書面課程內容 -- 專案導向課程有詳細逐步指引，教您完成專案 +- 書面教學 +- 專案導向課程附有逐步建置指南 - 知識檢查 - 挑戰題 -- 補充閱讀 +- 補充閱讀資料 - 作業 - [課後測驗](https://ff-quizzes.netlify.app/en/ml/) -> **關於語言的說明**：這些課程主要以 Python 撰寫，但也有許多課程提供 R 語言版本。若要完成 R 課程，請前往 `/solution` 資料夾尋找 R 課程檔案。它們附有 .rmd 副檔名，代表 **R Markdown** 文件，簡單來說，是將 `程式碼區塊`（可能是 R 或其他語言）與 `YAML 標頭`（引導如何格式化輸出，例如 PDF）內嵌於 `Markdown 文件` 中的格式。 因此，它是資料科學的優秀撰寫框架，允許您結合程式碼、輸出與您的想法，並以 Markdown 撰寫。此外，R Markdown 文件可匯出成 PDF、HTML 或 Word 等格式。 - -> **關於小測驗的說明**：所有小測驗皆包含於[Quiz App 資料夾](../../quiz-app)中，總共 52 個小測驗，每個包含三個問題。這些小測驗會在課程中以連結形式呈現，但您也可以在本機執行 Quiz App；請參考 `quiz-app` 資料夾中的說明在本機部署或部署至 Azure。 - -| 課程編號 | 主題 | 課程分類 | 學習目標 | 相關課程 | 作者 | -| :-------: | :-------------------------------------------------------------: | :------------------------------------------: | ---------------------------------------------------------------------------------------------------------------------------- | :---------------------------------------------------------------------------------------------------------------------------------: | :-------------------------------------------------: | -| 01 | 機器學習導論 | [Introduction](1-Introduction/README.md) | 了解機器學習的基本概念 | [課程](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 | [課程](1-Introduction/2-history-of-ML/README.md) | Jen 和 Amy | -| 03 | 公平性與機器學習 | [Introduction](1-Introduction/README.md) | 學生應考慮建構和應用機器學習模型時關於公平性的重要哲學議題 | [課程](1-Introduction/3-fairness/README.md) | Tomomi | -| 04 | 機器學習技術 | [Introduction](1-Introduction/README.md) | 機器學習研究者使用何種技術來建立機器學習模型？ | [課程](1-Introduction/4-techniques-of-ML/README.md) | Chris 和 Jen | -| 05 | 迴歸導論 | [Regression](2-Regression/README.md) | 透過 Python 和 Scikit-learn 開始建立迴歸模型 | [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) | 對資料進行視覺化與清理，為 ML 準備資料 | [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) | 建立線性與多項式迴歸模型 | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen 和 Dmitry • Eric Wanjau | -| 08 | 北美南瓜價格 🎃 | [Regression](2-Regression/README.md) | 建立邏輯斯迴歸模型 | [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您訓練好的模型 | [Python](3-Web-App/1-Web-App/README.md) | Jen | -| 10 | 分類導論 | [Classification](4-Classification/README.md) | 清理、準備及視覺化您的資料；分類導論 | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen 和 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 和 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 和 Cassie • Eric Wanjau | -| 13 | 美味的亞洲與印度料理 🍜 | [Classification](4-Classification/README.md) | 使用您的模型建立推薦網站應用 | [Python](4-Classification/4-Applied/README.md) | Jen | -| 14 | 聚類導論 | [Clustering](5-Clustering/README.md) | 清理、準備及視覺化資料；聚類導論 | [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-均值聚類法 | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau | -| 16 | 自然語言處理導論 ☕️ | [Natural language processing](6-NLP/README.md) | 透過建立簡單機器人學習 NLP 基本知識 | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen | -| 17 | 常見 NLP 任務 ☕️ | [Natural language processing](6-NLP/README.md) | 透徹了解處理語言結構時常見任務 | [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·奧斯汀作品進行情感與翻譯分析 | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen | -| 19 | 歐洲浪漫旅館 ♥️ | [Natural language processing](6-NLP/README.md) | 旅館評論情感分析（一） | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen | -| 20 | 歐洲浪漫旅館 ♥️ | [Natural language processing](6-NLP/README.md) | 旅館評論情感分析（二） | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen | -| 21 | 時間序列預測導論 | [Time series](7-TimeSeries/README.md) | 時間序列預測導論 | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca | -| 22 | ⚡️ 世界用電 ⚡️ - 使用 ARIMA 進行時間序列預測 | [Time series](7-TimeSeries/README.md) | 使用 ARIMA 實作時間序列預測 | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca | -| 23 | ⚡️ 世界用電 ⚡️ - 使用 SVR 進行時間序列預測 | [Time series](7-TimeSeries/README.md) | 使用支持向量回歸進行時間序列預測 | [Python](7-TimeSeries/3-SVR/README.md) | Anirban | -| 24 | 強化學習導論 | [Reinforcement learning](8-Reinforcement/README.md) | 使用 Q-Learning 認識強化學習 | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry | -| 25 | 幫助 Peter 避免狼群！🐺 | [Reinforcement learning](8-Reinforcement/README.md) | 強化學習 Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry | -| 附錄 | 真實世界的機器學習場景與應用 | [ML in the Wild](9-Real-World/README.md) | 經典機器學習在真實世界中的有趣且啟發性的應用 | [課程](9-Real-World/1-Applications/README.md) | 團隊 | -| 附錄 | 使用 RAI 儀表板來偵錯機器學習模型 | [ML in the Wild](9-Real-World/README.md) | 使用負責任的人工智慧儀表板元件來進行機器學習模型偵錯 | [課程](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu | - -> [在我們的 Microsoft Learn 收藏中找到此課程的所有額外資源](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) - -## 離線瀏覽 - -您可以使用 [Docsify](https://docsify.js.org/#/) 離線瀏覽本文件。請 fork 此 repo，並在本地機器上[安裝 Docsify](https://docsify.js.org/#/quickstart)，然後於本 repo 根目錄輸入 `docsify serve`，網站將架設在本機的 3000 埠：`localhost:3000`。 - -## PDFs - -課程綱要的 PDF（含連結）請見[此處](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf)。 + +> **關於語言的說明**：這些課程主要是用 Python 撰寫，但許多課程也有提供 R 版本。要完成 R 課程，請到 `/solution` 資料夾中查找相關 R 課程檔案。這些檔案副檔名為 .rmd，代表 **R Markdown** 文件，是結合程式碼區塊 （R 或其他語言）與 YAML 標頭 （用於格式化輸出，如 PDF）的 Markdown 文件。R Markdown 是資料科學極佳的寫作框架，允許你整合程式碼、輸出與筆記內容。另外，R Markdown 文件可轉換為 PDF、HTML 或 Word 等多種格式。 +> **關於測驗的小提示**：所有測驗都包含在 [Quiz App folder](../../quiz-app) 中，總共有 52 個測驗，每個測驗包含三個問題。它們會從課程中連結，但測驗應用程式也可以在本機執行；請參照 `quiz-app` 資料夾中的說明來在本機端託管或部署到 Azure。 + +| Lesson Number | 主題 | 課程分組 | 學習目標 | 連結課程 | 作者 | +| :-----------: | :------------------------------------------------------------: | :-------------------------------------------: | --------------------------------------------------------------------------------------------------------------------- | :-----------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: | +| 01 | 機器學習簡介 | [Introduction](1-Introduction/README.md) | 學習機器學習的基本概念 | [課程](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 | [課程](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) | 在建立和應用機器學習模型時，學生應考慮哪些重要的公平性哲學議題？ | [課程](1-Introduction/3-fairness/README.md) | Tomomi | +| 04 | 機器學習技術 | [Introduction](1-Introduction/README.md) | 機器學習研究者使用哪些技術來建立機器學習模型？ | [課程](1-Introduction/4-techniques-of-ML/README.md) | Chris and Jen | +| 05 | 回歸介紹 | [Regression](2-Regression/README.md) | 使用 Python 和 Scikit-learn 開始回歸模型 | [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) | 視覺化與清理資料以準備機器學習 | [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) | 建構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 | 網頁應用程式 🔌 | [Web App](3-Web-App/README.md) | 建置網頁應用程式以使用您的訓練模型 | [Python](3-Web-App/1-Web-App/README.md) | Jen | +| 10 | 分類介紹 | [Classification](4-Classification/README.md) | 清理、預備及視覺化資料；分類介紹 | [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 and Cassie • Eric Wanjau | +| 12 | 美味亞洲與印度料理 🍜 | [Classification](4-Classification/README.md) | 進階分類器 | [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 | 美味亞洲與印度料理 🍜 | [Classification](4-Classification/README.md) | 使用您的模型建置推薦系統網頁應用程式 | [Python](4-Classification/4-Applied/README.md) | Jen | +| 14 | 聚類介紹 | [Clustering](5-Clustering/README.md) | 清理、預備與視覺化資料；聚類介紹 | [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-均值聚類法 | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau | +| 16 | 自然語言處理介紹 ☕️ | [Natural language processing](6-NLP/README.md) | 透過建立簡單的機器人了解自然語言處理的基礎 | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen | +| 17 | 常見的 NLP 任務 ☕️ | [Natural language processing](6-NLP/README.md) | 透過了解處理語言結構時所需的常見任務，加深您對 NLP 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) | 與 Jane Austen 一起做翻譯與情感分析 | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen | +| 19 | 歐洲浪漫飯店 ♥️ | [Natural language processing](6-NLP/README.md) | 使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) | 使用飯店評論進行情感分析 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen | +| 21 | 時間序列預測介紹 | [Time series](7-TimeSeries/README.md) | 時間序列預測介紹 | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca | +| 22 | ⚡️ 全球用電量 ⚡️ - 使用 ARIMA 的時間序列預測 | [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 | ⚡️ 全球用電量 ⚡️ - 使用 SVR 的時間序列預測 | [Time series](7-TimeSeries/README.md) | 使用支持向量回歸器進行時間序列預測 | [Python](7-TimeSeries/3-SVR/README.md) | Anirban | +| 24 | 強化學習介紹 | [Reinforcement learning](8-Reinforcement/README.md) | 使用 Q-Learning 進行強化學習入門 | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry | +| 25 | 幫彼得躲避狼！ 🐺 | [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) | 傳統機器學習的有趣且具啟發性的真實應用 | [課程](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 | [課程](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) + +## 離線存取 + +您可以使用 [Docsify](https://docsify.js.org/#/) 離線執行此文件。Fork 此儲存庫，在您的本機安裝 [Docsify](https://docsify.js.org/#/quickstart)，然後在此儲存庫根目錄輸入 `docsify serve`。網站會在本機端的 3000 埠口提供服務：`localhost:3000`。 + +## PDF + +在此處找到帶有連結的課程大綱 PDF [here](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf)。 ## 🎒 其他課程 -我們團隊還製作其他課程！請參考： +我們團隊還製作其他課程！請查看： ### LangChain @@ -183,13 +183,13 @@ ### Azure / Edge / MCP / Agents [![AZD 初學者](https://img.shields.io/badge/AZD%20for%20Beginners-0078D4?style=for-the-badge&labelColor=E5E7EB&color=0078D4)](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst) [![Edge AI 初學者](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst) -[![初學者 MCP](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst) -[![初學者 AI 代理人](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) +[![MCP 初學者](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst) +[![AI Agents 初學者](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) --- -### 生成式 AI 系列 -[![初學者生成式 AI](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst) +### 生成式人工智慧系列 +[![初學者的生成式 AI](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst) [![生成式 AI (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst) [![生成式 AI (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst) [![生成式 AI (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst) @@ -199,8 +199,8 @@ ### 核心學習 [![初學者機器學習](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst) [![初學者資料科學](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst) -[![初學者 AI](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst) -[![初學者資安](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung) +[![初學者人工智慧](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst) +[![初學者網路安全](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung) [![初學者網頁開發](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst) [![初學者物聯網](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst) [![初學者 XR 開發](https://img.shields.io/badge/XR%20Development%20for%20Beginners-38BDF8?style=for-the-badge&labelColor=E5E7EB&color=38BDF8)](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst) @@ -208,29 +208,29 @@ --- ### Copilot 系列 -[![AI 配對程式設計 Copilot](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst) -[![C#/.NET Copilot](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst) +[![AI 配對編程的 Copilot](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst) +[![C#/.NET 的 Copilot](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst) [![Copilot 冒險](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst) -## 尋求協助 +## 獲取幫助 -如果您在構建 AI 應用程式時遇到困難或有任何問題。加入其他學習者和經驗豐富的開發者一起討論 MCP。這是一個支援性的社群，歡迎提出問題並自由分享知識。 +如果在構建 AI 應用時遇到困難或有任何問題，加入其他學習者和經驗豐富的開發者，一同參與 MCP 的討論。這是一個支持性的社群，歡迎提問並自由分享知識。 [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -如果您在構建過程中有產品反饋或錯誤，請訪問： +如果在構建過程中有產品反饋或錯誤，請訪問： [![Microsoft Foundry Developer Forum](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) -## 額外學習提示 +## 其他學習建議 -- 每堂課後複習筆記本以增進理解。 +- 每課後回顧筆記本，增進理解。 - 練習自行實作演算法。 -- 運用所學概念探索實際資料集。 +- 運用學到的概念探索真實世界資料集。 --- **免責聲明**： -本文件係使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們力求準確，但請注意自動翻譯可能包含錯誤或不準確之處。原文文件的母語版本應視為權威來源。對於重要資訊，建議採用專業人工翻譯。我們不對因使用本翻譯而產生的任何誤解或誤譯負責。 +本文件係利用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 所翻譯。雖然我們力求準確，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件之母語版本應視為權威來源。對於重要資訊，建議採用專業人工翻譯。我們不對因使用本翻譯而產生的任何誤解或錯誤詮釋負責。 \ No newline at end of file