@ -37,13 +37,13 @@
> さらに学習を進める場合は、[Microsoft Learn](https://docs.microsoft.com/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-15963-cxa) のラーニングパスに従うことをお勧めします。
> さらに学習を進める場合は、[Microsoft Learn](https://docs.microsoft.com/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-15963-cxa) のラーニングパスに従うことをお勧めします。
**先生方**、このカリキュラムをどのように使用するか、[いくつかの提案](/for-teachers.md) があります。
**先生方**、このカリキュラムをどのように使用するか、[いくつかの提案](.. /for-teachers.md) があります。
---
---
## チームの紹介
## チームの紹介
[](https://youtu.be/Tj1XWrDSYJU "プロモーションビデオ")
> 🎥 上の画像をクリックすると、このプロジェクトと、プロジェクトを作った人たちについてのビデオを観ることができます！
> 🎥 上の画像をクリックすると、このプロジェクトと、プロジェクトを作った人たちについてのビデオを観ることができます！
@ -54,7 +54,7 @@
内容とプロジェクトとの整合性を保つことで、学生にとって学習プロセスがより魅力的になり、概念の定着度が高まります。さらに、授業前の軽い小テストは学生の学習意欲を高め、授業後の2回目の小テストはより一層の定着につながります。このカリキュラムは柔軟かつ楽しいものになるようデザインされており、すべて、もしくは一部を受講できます。プロジェクトは小さなものから始まり、12週間の間に少しずつ複雑なものになっていきます。また、このカリキュラムには機械学習の実世界への応用に関するあとがきも含んでおり、追加の単位あるいは議論の題材として使用できます。
内容とプロジェクトとの整合性を保つことで、学生にとって学習プロセスがより魅力的になり、概念の定着度が高まります。さらに、授業前の軽い小テストは学生の学習意欲を高め、授業後の2回目の小テストはより一層の定着につながります。このカリキュラムは柔軟かつ楽しいものになるようデザインされており、すべて、もしくは一部を受講できます。プロジェクトは小さなものから始まり、12週間の間に少しずつ複雑なものになっていきます。また、このカリキュラムには機械学習の実世界への応用に関するあとがきも含んでおり、追加の単位あるいは議論の題材として使用できます。
> [行動規範 ](
> [行動規範 ](.. /CODE_OF_CONDUCT.md)、[貢献](.. /CONTRIBUTING.md)、[翻訳](.. /TRANSLATIONS.md) のガイドラインをご覧ください。建設的なご意見をお待ちしております！
## 各レッスンの内容
## 各レッスンの内容
- オプションのスケッチノート
- オプションのスケッチノート
@ -73,42 +73,42 @@
| レッスン番号 | トピック | レッスングループ | 学習の目的 | 関連するレッスン | 著者 |
| レッスン番号 | トピック | レッスングループ | 学習の目的 | 関連するレッスン | 著者 |
| :-----------: | :--------------------------------------------------------: | :-------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :---------------------------------------------------: | :------------: |
| :-----------: | :--------------------------------------------------------: | :-------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :---------------------------------------------------: | :------------: |
| 01 | 機械学習への導入 | [導入 ](レッスン ](
| 01 | 機械学習への導入 | [導入 ](.. /1-Introduction/translations/README.ja.md) | 機械学習の基本的な概念を学ぶ | [レッスン ](.. /1-Introduction/1-intro-to-ML/translations/README.ja.md) | Muhammad |
| 02 | 機械学習の歴史 | [導入 ](レッスン ](
| 02 | 機械学習の歴史 | [導入 ](.. /1-Introduction/translations/README.ja.md) | この分野の背景にある歴史を学ぶ | [レッスン ](.. /1-Introduction/2-history-of-ML/translations/README.ja.md) | Jen and Amy |
| 03 | 公平性と機械学習 | [導入 ](レッスン ](
| 03 | 公平性と機械学習 | [導入 ](.. /1-Introduction/translations/README.ja.md) | 機械学習モデルを構築・適用する際に学生が考慮すべき、公平性に関する重要な哲学的問題は何か？ | [レッスン ](.. /1-Introduction/3-fairness/translations/README.ja.md) | Tomomi |
| 04 | 機械学習の手法 | [導入 ](レッスン ](1-Introduction/4-techniques-of-ML/README.md ) | Chris and Jen |
| 04 | 機械学習の手法 | [導入 ](.. /1-Introduction/translations/README.ja.md) | 機械学習の研究者はどのような手法でモデルを構築しているか？ | [レッスン ](1-Introduction/4-techniques-of-ML/README.md ) | Chris and Jen |
| 05 | 回帰への導入 | [回帰 ](レッスン ](
| 05 | 回帰への導入 | [回帰 ](.. /2-Regression/README.md) | 回帰モデルをPythonと Scikit-learn で始める | [レッスン ](.. /2-Regression/1-Tools/translations/README.ja.md) | Jen |
| 06 | 北米のカボチャの価格 🎃 | [回帰 ](レッスン ](
| 06 | 北米のカボチャの価格 🎃 | [回帰 ](.. /2-Regression/README.md) | 機械学習に向けてデータを可視化してクリーニングする | [レッスン ](.. /2-Regression/2-Data/translations/README.ja.md) | Jen |
| 07 | 北米のカボチャの価格 🎃 | [回帰 ](レッスン ](2-Regression/3-Linear/README.md ) | Jen |
| 07 | 北米のカボチャの価格 🎃 | [回帰 ](.. /2-Regression/README.md) | 線形および多項式回帰モデルを構築する | [レッスン ](2-Regression/3-Linear/README.md ) | Jen |
| 08 | 北米のカボチャの価格 🎃 | [回帰 ](レッスン ](
| 08 | 北米のカボチャの価格 🎃 | [回帰 ](.. /2-Regression/README.md) | ロジスティック回帰モデルを構築する | [レッスン ](.. /2-Regression/4-Logistic/README.md) | Jen |
| 09 | Webアプリ 🔌 | [Webアプリ ](レッスン ](
| 09 | Webアプリ 🔌 | [Webアプリ ](.. /3-Web-App/README.md) | 学習したモデルを使用するWebアプリを構築する | [レッスン ](.. /3-Web-App/1-Web-App/README.md) | Jen |
| 10 | 分類への導入 | [分類 ](レッスン ](
| 10 | 分類への導入 | [分類 ](.. /4-Classification/README.md) | データをクリーニング・前処理・可視化する。分類への導入 | [レッスン ](.. /4-Classification/1-Introduction/README.md) | Jen and Cassie |
| 11 | 美味しいアジア料理とインド料理 🍜 | [分類 ](レッスン ](
| 11 | 美味しいアジア料理とインド料理 🍜 | [分類 ](.. /4-Classification/README.md) | 分類器への導入 | [レッスン ](.. /4-Classification/2-Classifiers-1/README.md) | Jen and Cassie |
| 12 | 美味しいアジア料理とインド料理 🍜 | [分類 ](レッスン ](
| 12 | 美味しいアジア料理とインド料理 🍜 | [分類 ](.. /4-Classification/README.md) | その他の分類器 | [レッスン ](.. /4-Classification/3-Classifiers-2/README.md) | Jen and Cassie |
| 13 | 美味しいアジア料理とインド料理 🍜 | [分類 ](レッスン ](
| 13 | 美味しいアジア料理とインド料理 🍜 | [分類 ](.. /4-Classification/README.md) | モデルを使用して推薦Webアプリを構築する | [レッスン ](.. /4-Classification/4-Applied/README.md) | Jen |
| 14 | クラスタリングへの導入 | [クラスタリング ](レッスン ](
| 14 | クラスタリングへの導入 | [クラスタリング ](.. /5-Clustering/README.md) | データをクリーニング・前処理・可視化する。クラスタリングへの導入 | [レッスン ](.. /5-Clustering/1-Visualize/README.md) | Jen |
| 15 | ナイジェリアの音楽的嗜好を探る 🎧 | [クラスタリング ](レッスン ](
| 15 | ナイジェリアの音楽的嗜好を探る 🎧 | [クラスタリング ](.. /5-Clustering/README.md) | K-Means法を探る | [レッスン ](.. /5-Clustering/2-K-Means/README.md) | Jen |
| 16 | 自然言語処理への導入 ☕️ | [自然言語処理 ](レッスン ](
| 16 | 自然言語処理への導入 ☕️ | [自然言語処理 ](.. /6-NLP/README.md) | 単純なボットを構築して自然言語処理の基礎を学ぶ | [レッスン ](.. /6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
| 17 | 自然言語処理の一般的なタスク ☕️ | [自然言語処理 ](レッスン ](
| 17 | 自然言語処理の一般的なタスク ☕️ | [自然言語処理 ](.. /6-NLP/README.md) | 言語構造を扱う際に必要となる一般的なタスクを理解することで、自然言語処理の知識を深める | [レッスン ](.. /6-NLP/2-Tasks/README.md) | Stephen |
| 18 | 翻訳と感情分析 ♥️ | [自然言語処理 ](レッスン ](
| 18 | 翻訳と感情分析 ♥️ | [自然言語処理 ](.. /6-NLP/README.md) | ジェーン・オースティンの翻訳と感情分析 | [レッスン ](.. /6-NLP/3-Translation-Sentiment/README.md) | Stephen |
| 19 | ヨーロッパのロマンチックなホテル ♥️ | [自然言語処理 ](レッスン ](
| 19 | ヨーロッパのロマンチックなホテル ♥️ | [自然言語処理 ](.. /6-NLP/README.md) | ホテルのレビューの感情分析 1 | [レッスン ](.. /6-NLP/4-Hotel-Reviews-1/README.md) | Stephen |
| 20 | ヨーロッパのロマンチックなホテル ♥️ | [自然言語処理 ](レッスン ](
| 20 | ヨーロッパのロマンチックなホテル ♥️ | [自然言語処理 ](.. /6-NLP/README.md) | ホテルのレビューの感情分析 2 | [レッスン ](.. /6-NLP/5-Hotel-Reviews-2/README.md) | Stephen |
| 21 | 時系列予測への導入 | [Time series ](レッスン ](
| 21 | 時系列予測への導入 | [Time series ](.. /7-TimeSeries/README.md) | 時系列予測への導入 | [レッスン ](.. /7-TimeSeries/1-Introduction/README.md) | Francesca |
| 22 | ⚡️ 世界の電力使用量 ⚡️ - ARIMAによる時系列予測 | [Time series ](レッスン ](
| 22 | ⚡️ 世界の電力使用量 ⚡️ - ARIMAによる時系列予測 | [Time series ](.. /7-TimeSeries/README.md) | ARIMAによる時系列予測 | [レッスン ](.. /7-TimeSeries/2-ARIMA/README.md) | Francesca |
| 23 | 強化学習への導入 | [Reinforcement learning ](レッスン ](
| 23 | 強化学習への導入 | [Reinforcement learning ](.. /8-Reinforcement/README.md) | Q学習を使った強化学習への導入 | [レッスン ](.. /8-Reinforcement/1-QLearning/README.md) | Dmitry |
| 24 | ピーターが狼を避けるのを手伝ってください！ 🐺 | [Reinforcement learning ](レッスン ](
| 24 | ピーターが狼を避けるのを手伝ってください！ 🐺 | [Reinforcement learning ](.. /8-Reinforcement/README.md) | 強化学習ジム | [レッスン ](.. /8-Reinforcement/2-Gym/README.md) | Dmitry |
| Postscript | 実世界の機械学習シナリオと応用 | [ML in the Wild ](レッスン ](
| Postscript | 実世界の機械学習シナリオと応用 | [ML in the Wild ](.. /9-Real-World/README.md) | 興味深くて意義のある、古典的機械学習の実世界での応用 | [レッスン ](.. /9-Real-World/1-Applications/README.md) | Team |
## オフラインアクセス
## オフラインアクセス
[Docsify ](https://docsify.js.org/#/ ) を使うと、このドキュメントをオフラインで実行できます。このリポジトリをフォークして、ローカルマシンに [Docsify をインストール ](https://docsify.js.org/#/quickstart ) し、このリポジトリのルートフォルダで `docsify serve` と入力してください。ローカルホストの3000番ポート、つまり `localhost:3000` でWebサイトが起動します。
[Docsify ](https://docsify.js.org/#/ ) を使うと、このドキュメントをオフラインで実行できます。このリポジトリをフォークして、ローカルマシンに [Docsify をインストール ](https://docsify.js.org/#/quickstart ) し、このリポジトリのルートフォルダで `docsify serve` と入力してください。ローカルホストの3000番ポート、つまり `localhost:3000` でWebサイトが起動します。
## PDF
## PDF
カリキュラムのPDFへのリンクは [こちら ](
カリキュラムのPDFへのリンクは [こちら ](.. /pdf/readme.pdf)。
## ヘルプ募集！
## ヘルプ募集！
翻訳をしてみませんか？[翻訳ガイドライン](/TRANSLATIONS.md) をご覧の上、[こちら](https://github.com/microsoft/ML-For-Beginners/issues/71) でお知らせください。
翻訳をしてみませんか？[翻訳ガイドライン](.. /TRANSLATIONS.md) をご覧の上、[こちら](https://github.com/microsoft/ML-For-Beginners/issues/71) でお知らせください。
## その他のカリキュラム
## その他のカリキュラム
Foo-x
3 years ago