msb-public
/
ML-For-Beginners
mirror of https://github.com/microsoft/ML-For-Beginners.git
1
0
Code Issues Projects Releases Wiki Activity

chore(i18n): sync translations with latest source changes (chunk 1/1, 6 changes)

Browse Source
pull/922/head
localizeflow[bot] 7 months ago
parent 910bfebe68
commit c8971931a9
6 changed files with 289 additions and 290 deletions
Show Stats Download Patch File Download Diff File

4
translations/zh-HK/.co-op-translator.json
Unescape View File

@ -540,8 +540,8 @@
"language_code": "zh-HK" "language_code": "zh-HK"
}, },
"README.md": { "README.md": {
"original_hash": "da2ceed62f16a0820259556e3a873c95", "original_hash": "2f594ee136e3127a47f56d80055227bc",
"translation_date": "2026-01-29T17:49:36+00:00", "translation_date": "2026-02-06T07:43:17+00:00",
"source_file": "README.md", "source_file": "README.md",
"language_code": "zh-HK" "language_code": "zh-HK"
}, },

174
translations/zh-HK/README.md
Unescape View File

@ -10,75 +10,75 @@
### 🌐 多語言支援 ### 🌐 多語言支援
#### 透過 GitHub Action 支援（自動且隨時更新） #### 透過 GitHub Action 支援（自動化且持續更新）
<!-- CO-OP TRANSLATOR LANGUAGES TABLE START --> <!-- CO-OP TRANSLATOR LANGUAGES TABLE START -->
[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)](./README.md) | [Chinese (Traditional, Macau)](../zh-MO/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) [阿拉伯文](../ar/README.md) | [孟加拉文](../bn/README.md) | [保加利亞文](../bg/README.md) | [緬甸文 (Myanmar)](../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) | [克羅地亞文](../hr/README.md) | [捷克文](../cs/README.md) | [丹麥文](../da/README.md) | [荷蘭文](../nl/README.md) | [愛沙尼亞文](../et/README.md) | [芬蘭文](../fi/README.md) | [法文](../fr/README.md) | [德文](../de/README.md) | [希臘文](../el/README.md) | [希伯來文](../he/README.md) | [印地文](../hi/README.md) | [匈牙利文](../hu/README.md) | [印尼語](../id/README.md) | [義大利文](../it/README.md) | [日文](../ja/README.md) | [坎納達文](../kn/README.md) | [韓文](../ko/README.md) | [立陶宛文](../lt/README.md) | [馬來文](../ms/README.md) | [馬拉雅拉姆文](../ml/README.md) | [馬拉地文](../mr/README.md) | [尼泊爾文](../ne/README.md) | [奈及利亞皮欽語](../pcm/README.md) | [挪威文](../no/README.md) | [波斯文 (法爾西)](../fa/README.md) | [波蘭文](../pl/README.md) | [葡萄牙文 (巴西)](../pt-BR/README.md) | [葡萄牙文 (葡萄牙)](../pt-PT/README.md) | [旁遮普文 (古魯穆奇體)](../pa/README.md) | [羅馬尼亞文](../ro/README.md) | [俄文](../ru/README.md) | [塞爾維亞文 (西里爾字母)](../sr/README.md) | [斯洛伐克文](../sk/README.md) | [斯洛文尼亞文](../sl/README.md) | [西班牙文](../es/README.md) | [斯瓦希里文](../sw/README.md) | [瑞典文](../sv/README.md) | [塔加洛語 (菲律賓語)](../tl/README.md) | [泰米爾文](../ta/README.md) | [泰盧固文](../te/README.md) | [泰文](../th/README.md) | [土耳其文](../tr/README.md) | [烏克蘭文](../uk/README.md) | [烏爾都文](../ur/README.md) | [越南文](../vi/README.md)
> **想要本地化克隆？** > **想要本地端複製？**
> 本倉庫包含50多種語言的翻譯，這大幅增加了下載大小。若想在不下載翻譯的情況下克隆，請使用稀疏檢出： > 此儲存庫包括 50 多種語言的翻譯，會大幅增加下載大小。若欲不含翻譯直接下載，可使用稀疏檢出：
> ```bash > ```bash
> git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git > git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git
> cd ML-For-Beginners > cd ML-For-Beginners
> git sparse-checkout set --no-cone '/*' '!translations' '!translated_images' > git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'
> ``` > ```
> 這樣能讓你以更快的速度獲得完成課程所需的所有內容。 > 如此你能以更快的下載速度獲得完成課程所需的所有內容。
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END --> <!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
#### 加入我們的社群 #### 加入我們的社群
[![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG)
我們正在舉辦 Discord AI 學習系列，了解更多並於2025年9月18日至30日期間加入我們，詳情請見 [Learn with AI Series](https://aka.ms/learnwithai/discord)。你將獲得使用 GitHub Copilot 進行資料科學的技巧與秘訣。 我們在 Discord 上持續舉辦 AI 系列學習活動，詳情與加入請見 [Learn with AI Series](https://aka.ms/learnwithai/discord)，時間為 2025 年 9 月 18 日至 30 日。你將學到如何使用 GitHub Copilot 進行資料科學的秘訣與技巧。
![Learn with AI series](../../translated_images/zh-HK/3.9b58fd8d6c373c20.webp) ![Learn with AI 系列](../../translated_images/zh-HK/3.9b58fd8d6c373c20.webp)
# 面向初學者的機器學習課程 # 初學者機器學習課程大綱
> 🌍 隨我們以世界文化探索機器學習之旅 🌍 > 🌍 帶你環遊世界，以世界文化探索機器學習 🌍
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。在此課程中，你將學習所謂的 **經典機器學習**，主要使用 Scikit-learn 庫，並避免深度學習部分，深度學習課程可參考我們的[AI 初學者課程](https://aka.ms/ai4beginners)。同時，建議搭配我們的[資料科學初學者課程](https://aka.ms/ds4beginners)學習！ 微軟的 Cloud Advocates 高興地推出一個為期 12 週、包含 26 節課的**機器學習**課程。在本課程中，你將學習被稱為**經典機器學習**的方法，主要使用 Scikit-learn 函式庫，避免使用深度學習（深度學習已收錄於我們的 [AI for Beginners 課程](https://aka.ms/ai4beginners)）。你也可以搭配我們的['資料科學初學者課程'](https://aka.ms/ds4beginners)一起學習！
跟隨我們，以經典技術應用來自世界各地的資料。每個課程包含課前與課後小測驗、書面說明、解答、作業，等等。我們採用專案導向的教學法，讓你在動手實作中學習，這是一種有效鞏固新技能的方法。 與我們一同環遊世界，將這些經典技術運用於來自世界各地的資料。每堂課包含課前與課後測驗、書面指引、解答、作業等內容。我們採用專案導向的教學法，讓你在建構中學習，這是經驗證的學習效果。
**✍️ 特別感謝撰稿人** Jen Looper、Stephen Howell、Francesca Lazzeri、Tomomi Imura、Cassie Breviu、Dmitry Soshnikov、Chris Noring、Anirban Mukherjee、Ornella Altunyan、Ruth Yakubu 和 Amy Boyd **✍️ 真誠感謝作者** Jen Looper、Stephen Howell、Francesca Lazzeri、Tomomi Imura、Cassie Breviu、Dmitry Soshnikov、Chris Noring、Anirban Mukherjee、Ornella Altunyan、Ruth Yakubu 及 Amy Boyd
**🎨 也感謝插畫師** Tomomi Imura、Dasani Madipalli 和 Jen Looper **🎨 謝謝插畫團隊** Tomomi Imura、Dasani Madipalli 與 Jen Looper
**🙏 特別感謝 🙏 微軟學生大使撰稿人、審查及內容貢獻者**，尤其是 Rishit Dagli、Muhammad Sakib Khan Inan、Rohan Raj、Alexandru Petrescu、Abhishek Jaiswal、Nawrin Tabassum、Ioan Samuila 和 Snigdha Agarwal **🙏 特別感謝 🙏 微軟學生大使作者、審閱人與內容貢獻者**，特別是 Rishit Dagli、Muhammad Sakib Khan Inan、Rohan Raj、Alexandru Petrescu、Abhishek Jaiswal、Nawrin Tabassum、Ioan Samuila 及 Snigdha Agarwal
**🤩 額外感謝微軟學生大使 Eric Wanjau、Jasleen Sondhi 和 Vidushi Gupta 負責我們的 R 課程！** **🤩 額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！**
# 開始使用 # 開始使用
請依序執行下列步驟： 請依照下列步驟：
1. **Fork 倉庫**：點選本頁右上角的「Fork」按鈕。 1. **分叉儲存庫**：點擊頁面右上角的「Fork」按鈕。
2. **Clone 倉庫**：`git clone https://github.com/microsoft/ML-For-Beginners.git` 2. **克隆儲存庫**： `git clone https://github.com/microsoft/ML-For-Beginners.git`
> [找尋本課程的所有額外資源，請參考我們的 Microsoft Learn 集合](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) > [在我們的 Microsoft Learn 集合中找到本課程的所有額外資源](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
> 🔧 **需要協助？** 請查看我們的[故障排除指南](TROUBLESHOOTING.md)，解決安裝、設定和執行課程時的常見問題。 > 🔧 **需要協助？** 請參考我們的 [疑難排解指引](TROUBLESHOOTING.md)，協助解決安裝、設置與執行課程的常見問題。
**[學生](https://aka.ms/student-page)**，使用此課程前，請將整個倉庫 fork 至自己的 GitHub 帳號，並自行或與團隊完成練習： **[學生專區](https://aka.ms/student-page)**，使用此課程時，請將整個儲存庫分叉至自己的 GitHub 帳號，並自行或與組員一起完成練習：
- 從課前小測驗開始。 - 從課前測驗開始。
- 閱讀課程內容，完成活動，並在每個知識檢查處暫停和反思。 - 閱讀課程內容，完成活動，於每個知識點處停下思考。
- 嘗試自行創建專案，理解課程內容，而非直接運行解答程式碼；但每個專案導向課程中 `/solution` 資料夾提供了完整解答程式碼。 - 試著根據課程內容自行構建專案，而非直接執行解答程式碼；不過，每個以專案為導向的課程中，`/solution` 資料夾都有提供解答程式碼。
- 進行課後小測驗。 - 進行課後測驗。
- 完成挑戰。 - 完成挑戰題。
- 完成作業。 - 完成作業。
- 完成一組課程後，請造訪[討論板](https://github.com/microsoft/ML-For-Beginners/discussions)，透過填寫合適的 PAT 評分表來「大聲說學習」。PAT 即進度評量工具，是幫助你深化學習的評分表。你也可以回應他人的 PAT，一起學習成長。 - 完成一組課程後，請訪問[討論板](https://github.com/microsoft/ML-For-Beginners/discussions)，透過填寫適當的 PAT 評量表來「大聲學習」。PAT 指「進度評估工具（Progress Assessment Tool）」，是一份你填寫以促進學習的評量表。你也可以對他人的 PAT 回應，一同交流學習。
> 進一步學習，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) 模組和學習路徑。 > 若想進一步學習，我們推薦以下[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。
**老師們**，我們也準備了一些[使用本課程的建議](for-teachers.md)。 **教師專區**，我們[提供一些使用本課程的建議](for-teachers.md)。
--- ---
## 影片導覽 ## 影片導覽
部分課程提供短形式影片。你可以在課程中內嵌找到它們，或在 [Microsoft Developer YouTube 頻道的 ML for Beginners 播放列表](https://aka.ms/ml-beginners-videos)觀看，點擊下方圖片進入。 部分課程有短片教學。你可以在課程中嵌入觀看，或到 [Microsoft Developer YouTube 頻道上的 ML for Beginners 播放清單](https://aka.ms/ml-beginners-videos)觀看，點擊以下圖片即可。
[![ML for beginners banner](../../translated_images/zh-HK/ml-for-beginners-video-banner.63f694a100034bc6.webp)](https://aka.ms/ml-beginners-videos) [![ML for beginners banner](../../translated_images/zh-HK/ml-for-beginners-video-banner.63f694a100034bc6.webp)](https://aka.ms/ml-beginners-videos)
@ -88,87 +88,87 @@
[![Promo video](../../images/ml.gif)](https://youtu.be/Tj1XWrDSYJU) [![Promo video](../../images/ml.gif)](https://youtu.be/Tj1XWrDSYJU)
**動圖製作者** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) **Gif 由** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) 製作
> 🎥 點擊上方圖片，觀看關於本專案及其團隊的影片！ > 🎥 點擊上圖觀看專案與創建團隊成員的介紹影片！
--- ---
## 教學理念 ## 教學法
打造本課程時，我們秉持兩大教學原則：確保為動手實作的**專案導向**，並加入**頻繁的小測驗**。此外，本課程圍繞一致的**主題**，提供課程整體性與連貫感。 我們在設計本課程時採用了兩大教學原則：確保課程是動手做的**專案導向**，並設計了**頻繁的測驗**。此外，本課程具有統一的**主題**以保持一致性。
透過內容與專案緊密結合，使學習過程更加吸引人，且概念記憶更深刻。課前的低壓小測驗幫助學員設定學習目標，課後測驗則加強記憶。此課程設計彈性且有趣，可全程完成或部分選讀。專案由淺入深，於12週結束時達到較高複雜度。本課程並附有關於機器學習實際應用的後記，可作為加分作業或討論基礎。 確保內容配合專案，讓學習更有趣且提升概念記憶。課前的低壓力測驗能幫助學生建立學習主題的動機，課後測驗則加強記憶。本課程設計為靈活且有趣，可整體或部分進行。專案從簡單開始，隨著 12 週學習週期逐步變得更複雜。課程還包含機器學習現實應用的附錄，可作為額外學分或討論基礎。
> 請閱讀我們的[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)。期待你的建設性回饋！ > 請參閱我們的[行為準則](CODE_OF_CONDUCT.md)、[貢獻指南](CONTRIBUTING.md)、[翻譯指南](TRANSLATIONS.md)與[故障排除](TROUBLESHOOTING.md)方針。我們歡迎您的建設性意見！
## 每堂課程包含 ## 每堂課包含
- 選擇性手繪筆記 - 選擇性筆記圖示
- 選擇性補充影片 - 選擇性補充影片
- 影片導覽（部分課程） - 影片導覽（部分課程）
- [課前暖身小測驗](https://ff-quizzes.netlify.app/en/ml/) - [課前暖身測驗](https://ff-quizzes.netlify.app/en/ml/)
- 書面課程說明 - 書面課程
- 專案導向課程，逐步指導專案建構 - 專案課程中有逐步製作指引
- 知識檢查 - 知識檢核
- 挑戰任務 - 挑戰題
- 補充閱讀 - 補充閱讀
- 作業 - 作業
- [課後測驗](https://ff-quizzes.netlify.app/en/ml/) - [課後測驗](https://ff-quizzes.netlify.app/en/ml/)
> **關於語言的說明**：課程主要以 Python 撰寫，且多數課程也有 R 版本。欲完成 R 課程，請至 `/solution` 資料夾尋找 R 課程，檔案副檔名為 .rmd，代表 **R Markdown** 文件，簡單說就是將 `程式碼區塊`（R 或其他語言）與 `YAML 標頭`（控制輸出格式如 PDF）嵌入 `Markdown 文件`。R Markdown 是一種理想的資料科學撰寫框架，讓你結合程式碼、輸出結果與筆記文字。此外，R Markdown 可輸出成 PDF、HTML 或 Word 等格式。 > **關於語言**：這些課程主要使用 Python 語言，但有許多課程同時提供 R 語言版本。要完成 R 課程，請前往 `/solution` 資料夾，尋找有 .rmd 副檔名的課程。此為 **R Markdown** 檔案，簡單來說是一種將 `code chunks`（R 或其他語言的程式碼塊）與 `YAML 標頭`（決定輸出格式如 PDF）嵌入於 `Markdown 文件` 的格式。因此，它是資料科學撰稿的極佳框架，允許你結合程式碼、輸出結果和文字說明一起撰寫。R Markdown 文件可輸出成 PDF、HTML 或 Word 等格式。
> **有關小測驗的說明**：所有小測驗均包含在[Quiz App folder](../../quiz-app)中，總共52個小測驗，每個小測驗有三條問題。它們在課程內有連結，但該小測驗應用程式可以於本地運行；請遵循 `quiz-app` 資料夾中的說明來本地託管或部署到 Azure。 > **關於小測的說明**：所有小測均包含在 [Quiz App folder](../../quiz-app) 中，共計 52 個小測，每個小測包含三個問題。它們會從課程中連結，但測驗應用程式可在本地運行；請按照 `quiz-app` 資料夾中的指示進行本地託管或部署到 Azure。
| Lesson Number | Topic | Lesson Grouping | Learning Objectives | Linked Lesson | Author | | 課程編號 | 主題 | 課程分組 | 學習目標 | 相關課程 | 作者 |
| :-----------: | :------------------------------------------------------------: | :-------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: | | :------: | :---------------------------------------------------------: | :------------------------------------------: | ---------------------------------------------------------------------------------------------------------------------------- | :-------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------: |
| 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 | | 01 | 機器學習入門 | [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) | 了解該領域背後的歷史 | [Lesson](1-Introduction/2-history-of-ML/README.md) | Jen and Amy | | 02 | 機器學習的歷史 | [Introduction](1-Introduction/README.md) | 了解這個領域的歷史背景 | [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) | 在建立及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？ | [Lesson](1-Introduction/3-fairness/README.md) | Tomomi | | 03 | 公平性與機器學習 | [Introduction](1-Introduction/README.md) | 建立及應用機器學習模型時，學生應考慮的重要哲學公平議題 | [Lesson](1-Introduction/3-fairness/README.md) | Tomomi |
| 04 | 機器學習技術 | [Introduction](1-Introduction/README.md) | 機器學習研究人員使用哪些技術來建構機器學習模型？ | [Lesson](1-Introduction/4-techniques-of-ML/README.md) | Chris and Jen | | 04 | 機器學習技術 | [Introduction](1-Introduction/README.md) | 機器學習研究者使用的建模技術 | [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 | | 05 | 迴歸介紹 | [Regression](2-Regression/README.md) | 開始使用 Python 和 Scikit-learn 進行迴歸模型 | [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) | 視覺化及清理資料為機器學習做準備 | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau | | 06 | 北美南瓜價格 🎃 | [Regression](2-Regression/README.md) | 為機器學習做視覺化及資料清理 | [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 | | 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 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 | | 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 | 網頁應用程式 🔌 | [Web App](3-Web-App/README.md) | 建立一個網頁應用程式使用你訓練的模型 | [Python](3-Web-App/1-Web-App/README.md) | Jen | | 09 | 網頁應用 🔌 | [Web App](3-Web-App/README.md) | 建立一個可使用你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、準備及視覺化你的資料；分類簡介 | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen and Cassie • Eric Wanjau | | 10 | 分類介紹 | [Classification](4-Classification/README.md) | 資料清理、準備與視覺化；分類入門 | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen and Cassie • Eric Wanjau |
| 11 | 美味的亞洲及印度美食 🍜 | [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 | | 11 | 美味的亞洲與印度料理 🍜 | [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 | 美味的亞洲及印度美食 🍜 | [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 | | 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 | 美味的亞洲及印度美食 🍜 | [Classification](4-Classification/README.md) | 使用你的模型建構推薦網頁應用程式 | [Python](4-Classification/4-Applied/README.md) | Jen | | 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、準備及視覺化你的資料；叢集介紹 | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau | | 14 | 分群介紹 | [Clustering](5-Clustering/README.md) | 資料清理、準備與視覺化；分群入門 | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
| 15 | 探索尼日利亞音樂口味 🎧 | [Clustering](5-Clustering/README.md) | 探索 K-平均值叢集方法 | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau | | 15 | 探索奈及利亞音樂喜好 🎧 | [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 | 自然語言處理入門 ☕️ | [Natural language processing](6-NLP/README.md) | 透過建造一個簡單機械人學習 NLP 基礎 | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen | | 16 | 自然語言處理入門 ☕️ | [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) | 深化你的 NLP 知識，理解處理語言結構所需的常用任務 | [Python](6-NLP/2-Tasks/README.md) | Stephen | | 17 | 常見 NLP 任務 ☕️ | [Natural language processing](6-NLP/README.md) | 透過了解處理語言結構時常見任務，深化你的 NLP 知識 | [Python](6-NLP/2-Tasks/README.md) | Stephen |
| 18 | 翻譯及情感分析 ♥️ | [Natural language processing](6-NLP/README.md) | 使用珍·奧斯汀進行翻譯及情感分析 | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen | | 18 | 翻譯與情感分析 ♥️ | [Natural language processing](6-NLP/README.md) | 與簡·奧斯汀一起做翻譯及情感分析 | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen |
| 19 | 歐洲浪漫酒店 ♥️ | [Natural language processing](6-NLP/README.md) | 使用酒店評論一的情感分析 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen | | 19 | 歐洲浪漫旅館 ♥️ | [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 | 歐洲浪漫酒店 ♥️ | [Natural language processing](6-NLP/README.md) | 使用酒店評論二的情感分析 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen | | 20 | 歐洲浪漫旅館 ♥️ | [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 | 時間序列預測入門 | [Time series](7-TimeSeries/README.md) | 時間序列預測介紹 | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca | | 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 | | 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 | ⚡️ 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(SVR)進行時間序列預測 | [Python](7-TimeSeries/3-SVR/README.md) | Anirban | | 23 | ⚡️ 全球電力使用 ⚡️ - 用 SVR 做時間序列預測 | [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 | 強化學習入門 | [Reinforcement learning](8-Reinforcement/README.md) | 使用 Q-Learning 介紹強化學習 | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry | | 24 | 強化學習入門 | [Reinforcement learning](8-Reinforcement/README.md) | 使用 Q-Learning 進行強化學習介紹 | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry |
| 25 | 幫彼得避開狼群！🐺 | [Reinforcement learning](8-Reinforcement/README.md) | 強化學習 Gym | [Python](8-Reinforcement/2-Gym/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 |
| Postscript | 真實世界的機器學習場景和應用 | [ML in the Wild](9-Real-World/README.md) | 傳統機器學習有趣且富啟發性的真實世界應用 | [Lesson](9-Real-World/1-Applications/README.md) | Team | | 後記 | 真實世界的機器學習情境與應用 | [ML in the Wild](9-Real-World/README.md) | 經典機器學習的有趣且具啟發性的真實世界應用 | [Lesson](9-Real-World/1-Applications/README.md) | Team |
| Postscript | 使用 RAI dashboard 進行機器學習模型除錯 | [ML in the Wild](9-Real-World/README.md) | 使用 Responsible AI dashboard 組件進行機器學習模型除錯 | [Lesson](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu | | 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) | 使用負責任 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 集合中找到此課程的所有附加資源](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
## 離線存取 ## 離線存取
你可以使用 [Docsify](https://docsify.js.org/#/) 離線運行本文件。請 fork 此 repo，並在本地機器上[安裝 Docsify](https://docsify.js.org/#/quickstart)，然後在此 repo 的根目錄中，輸入 `docsify serve`。網站將在本地端口3000上提供服務：`localhost:3000`。 你可以使用 [Docsify](https://docsify.js.org/#/) 離線執行此文件。叉出此存放庫，在你的本機安裝 [Docsify](https://docsify.js.org/#/quickstart)，然後在此存放庫根目錄中輸入 `docsify serve`。網站將在你的本地主機的 3000 端口服務：`localhost:3000`。
## PDF 檔案 ## PDF
請在此處找到帶有連結的課程綱要 PDF：[here](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf)。 可在此處找到帶有連結的課程 PDF：[pdf](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf)。
## 🎒 其他課程 ## 🎒 其他課程
我們團隊還製作了其他課程！敬請查看： 我們的團隊還製作其他課程！查閱：
<!-- CO-OP TRANSLATOR OTHER COURSES START --> <!-- CO-OP TRANSLATOR OTHER COURSES START -->
### LangChain ### LangChain
[![LangChain4j for Beginners](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners) [![LangChain4j for Beginners](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners)
[![LangChain.js for Beginners](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin) [![LangChain.js for Beginners](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
[![LangChain for Beginners](https://img.shields.io/badge/LangChain%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
--- ---
### Azure / Edge / MCP / Agents ### Azure / Edge / MCP / Agents
@ -179,7 +179,7 @@
--- ---
### Generative AI Series ### 生成式 AI 系列
[![Generative AI for Beginners](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) [![Generative AI for Beginners](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)
[![Generative 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) [![Generative 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)
[![Generative 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) [![Generative 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)
@ -206,17 +206,17 @@
## 尋求協助 ## 尋求協助
如果你遇到困難或在建立 AI 應用程式時有任何問題，歡迎加入 MCP 學習者及經驗豐富的開發者討論社群。這是一個支持性強的社區，歡迎提問並自由分享知識。 如果您遇到困難或對建立 AI 應用程式有任何疑問，歡迎加入與其他學習者及經驗豐富的開發者一同討論 MCP。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) [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG)
如果你有產品回饋或在開發時遇到錯誤，請造訪： 如果您在開發過程中有產品回饋或發現錯誤，請造訪：
[![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) [![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)
--- ---
<!-- CO-OP TRANSLATOR DISCLAIMER START --> <!-- CO-OP TRANSLATOR DISCLAIMER START -->
**免責聲明**： **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。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。我們不對因使用此翻譯而引起的任何誤解或誤釋負責。 本文件經由 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力追求準確性，但請注意自動翻譯可能包含錯誤或不準確之處。原文文件應被視為權威來源。如涉及重要資訊，建議尋求專業人工翻譯。我們對使用本翻譯所引起的任何誤解或曲解概不負責。
<!-- CO-OP TRANSLATOR DISCLAIMER END --> <!-- CO-OP TRANSLATOR DISCLAIMER END -->

4
translations/zh-MO/.co-op-translator.json
Unescape View File

@ -540,8 +540,8 @@
"language_code": "zh-MO" "language_code": "zh-MO"
}, },
"README.md": { "README.md": {
"original_hash": "da2ceed62f16a0820259556e3a873c95", "original_hash": "2f594ee136e3127a47f56d80055227bc",
"translation_date": "2026-01-29T17:48:12+00:00", "translation_date": "2026-02-06T07:41:29+00:00",
"source_file": "README.md", "source_file": "README.md",
"language_code": "zh-MO" "language_code": "zh-MO"
}, },

207
translations/zh-MO/README.md
Unescape View File

@ -10,166 +10,165 @@
### 🌐 多語言支援 ### 🌐 多語言支援
#### 透過 GitHub Action 支援（自動且永遠保持最新） #### 透過 GitHub Action 支援（自動及隨時更新）
<!-- CO-OP TRANSLATOR LANGUAGES TABLE START --> <!-- 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）](../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) | [坎那達語](../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（古魯穆奇字母）](../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) | [坦米爾語](../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)
> **偏好本機克隆？** > **想本地 Clone？**
> 這個儲存庫包含超過50種語言的翻譯，會顯著增加下載大小。若想克隆不包含翻譯，請使用稀疏檢出： > 此儲存庫包括50多種語言翻譯，顯著增加下載大小。想不包含翻譯地 Clone 請使用 sparse checkout:
> ```bash > ```bash
> git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git > git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git
> cd ML-For-Beginners > cd ML-For-Beginners
> git sparse-checkout set --no-cone '/*' '!translations' '!translated_images' > git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'
> ``` > ```
> 這樣可讓你更快下載，且取得完成課程所需的所有內容。 > 如此將快速下載，且包含完成課程所需所有內容。
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END --> <!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
#### 加入我們的社群 #### 加入我們的社群
[![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG)
我們正在舉辦 Discord 上的 AI 學習系列，了解更多並於 2025 年 9 月 18 日至 30 日加入我們的 [Learn with AI 系列](https://aka.ms/learnwithai/discord)。你將會獲得使用 GitHub Copilot 於資料科學的技巧與秘訣。 我們在 Discord 舉辦的 AI 學習系列正在進行中，更多資訊及加入請見 [Learn with AI Series](https://aka.ms/learnwithai/discord)，時間為 2025 年 9 月 18 至 30 日。你將學到如何使用 GitHub Copilot 進行資料科學操作的小竅門。
![Learn with AI series](../../translated_images/zh-MO/3.9b58fd8d6c373c20.webp) ![Learn with AI series](../../translated_images/zh-MO/3.9b58fd8d6c373c20.webp)
# 初學者機器學習課程 # 初學者的機器學習課程大綱
> 🌍 隨著我們以世界文化探索機器學習，一同環遊世界 🌍 > 🌍 透過世界各地文化環遊機器學習的旅程 🌍
微軟的雲端倡導者很高興推出一套為期 12 週、包含 26 課的完整 **機器學習** 課程。此課程將教授所謂的 **經典機器學習**，主要使用 Scikit-learn 函式庫，並避免深度學習部分，深度學習內容包含在我們的 [初學者人工智慧課程](https://aka.ms/ai4beginners) 中。你也可將本課程搭配我們的 [初學者資料科學課程](https://aka.ms/ds4beginners) 一起學習！ 微軟的 Cloud Advocates 很高興推出為期 12 週、共 26 課的 **機器學習** 課程大綱。在此課程中，你將學習所謂的 **經典機器學習**，主要使用 Scikit-learn 函式庫，並避開深度學習，其內容收錄於我們的 [AI for Beginners 課程](https://aka.ms/ai4beginners)。另外，也可搭配我們的 [『資料科學初學者』課程](https://aka.ms/ds4beginners)。
隨我們一同環遊世界，將這些經典技術應用於來自世界各地的資料。每堂課均包含課前及課後測驗、書面說明完成課程、解答、作業等。透過以專案為基礎的教學方法，可以邊學邊做，這是使新技能根深蒂固的有效途徑。 跟我們一起環遊世界，使用這些經典技術應用於多元世界資料。每課包含課前與課後測驗、書面指示、解答、作業等。透過專案導向的教學法，讓你一邊建置專案，一邊學習，是學習技能的有效方法。
**✍️ 誠摯感謝本課程作者：** 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 以及 Amy Boyd
**🎨 感謝插畫師：** Tomomi Imura、Dasani Madipalli 與 Jen Looper **🎨 亦感謝我們的插畫師** Tomomi Imura、Dasani Madipalli 和 Jen Looper
**🙏 特別感謝微軟學生大使的作者、審核與內容貢獻者，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🙏微軟學生大使作者、審稿人及內容貢獻者**，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 為我們的 R 課程所做的貢獻！** **🤩 額外感謝微軟學生大使 Eric Wanjau、Jasleen Sondhi 和 Vidushi Gupta 為我們的 R 語言課程付出努力！**
# 快速開始 # 開始使用
請依照以下步驟操作： 請依照以下步驟操作：
1. **派生本儲存庫**：點擊本頁右上角的「Fork」按鈕。 1. **Fork 此儲存庫**：點擊本頁右上角的「Fork」按鈕。
2. **克隆儲存庫**： `git clone https://github.com/microsoft/ML-For-Beginners.git` 2. **Clone 儲存庫**： `git clone https://github.com/microsoft/ML-For-Beginners.git`
> [在我們的 Microsoft Learn 資源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) > [課程的所有額外資源可於我們的 Microsoft Learn 收藏頁找到](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
> 🔧 **需要協助？** 請參考我們的 [疑難排解指南](TROUBLESHOOTING.md)，其中提供安裝、設定及執行課程時常見問題的解決方法。 > 🔧 **需要幫助？** 查看我們的 [疑難排解指南](TROUBLESHOOTING.md) ，找到安裝、設定及執行課程常見問題的解決方案。
**[學生們](https://aka.ms/student-page)**，請將整個儲存庫派生到自己的 GitHub 帳號，並個人或組隊完成練習： **[學生們](https://aka.ms/student-page)**，使用此課程前請先 Fork 整個 repo 至你的 GitHub 帳號，並自行或組隊完成練習：
- 從課前測驗開始。 - 從課前小測驗開始。
- 閱讀課文並完成活動，於每個知識檢查點暫停並深思。 - 閱讀教材並完成課程活動，於每個知識點停下思考。
- 嘗試藉由理解課程自己建立專案，而非直接執行解答程式碼；不過每個專案導向的課程裡皆有位於 `/solution` 資料夾中的解答程式碼可供參考。 - 盡量理解課程內容並嘗試自己完成專案，而非直接執行解答碼；但解答碼已提供於專案課程中每個 `/solution` 資料夾中。
- 完成課後測驗。 - 進行課後小測驗。
- 完成挑戰任務。 - 完成挑戰任務。
- 完成作業。 - 完成作業。
- 完成一組課程後，請造訪 [討論版](https://github.com/microsoft/ML-For-Beginners/discussions) 並填寫對應的 PAT 評量表，發表你的學習心得。PAT（進度評估工具）是你填寫以深化學習的評量表，也可以對其他人的 PAT 作出回應，讓我們一起學習。 - 完成一組課程後，請造訪 [討論區](https://github.com/microsoft/ML-For-Beginners/discussions) 並以適用的 PAT（進度評估工具）問卷表達你的學習過程。我們也歡迎你對他人的 PAT 反饋，和大家一同學習。
> 若要深入學習，我們推薦依序修習這些 [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。 > 若想深入學習，我們推薦跟隨這些 [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。
**教師們**，我們也有[一些建議](for-teachers.md) 分享如何使用此課程。 **教師們**，我們已提供一些[建議內容](for-teachers.md)，助你使用此課程。
--- ---
## 影片導覽 ## 影音導覽
部分課程有提供短影片教學。你可以在課程內嵌的影片中觀看，或點擊下方圖片，在 [微軟開發者 YouTube 頻道的 ML for Beginners 播放清單](https://aka.ms/ml-beginners-videos) 中看到全部影片。 部分課程備有精簡影音示範。你可在課程內文中觀看，或至 [Microsoft Developer YouTube 頻道上的 ML for Beginners 播放清單](https://aka.ms/ml-beginners-videos) ，點擊下方圖片觀賞。
[![ML for beginners banner](../../translated_images/zh-MO/ml-for-beginners-video-banner.63f694a100034bc6.webp)](https://aka.ms/ml-beginners-videos) [![ML for beginners banner](../../translated_images/zh-MO/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) [![Promo video](../../images/ml.gif)](https://youtu.be/Tj1XWrDSYJU)
**Gif 製作：** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) **Gif 來自** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal)
> 🎥 點擊上方圖片觀看關於本專案和團隊成員的影片！ > 🎥 點擊上方圖片觀看專案與團隊成員介紹影片！
--- ---
## 教學理念 ## 教學理念
本課程建構時採取兩大教學原則：確保實作的 **專案導向**，並且包含 **頻繁的測驗**。此外，課程有共同的 **主題** 貫穿始終，產生統一感。 在建立此課程時，本團隊選擇了兩個教學理念：確保課程是動手做的 **專案導向**，並且包含 **頻繁的小測驗**。此外，課程具有一致的 **主題**，使結構緊密連結。
保證內容與專案一致，增加學生的參與感並強化概念記憶；課前低壓力測驗讓學生能有明確的學習目標，課後測驗則有助於加深理解。課程設計靈活且有趣，適合整體或部分修習。專案從簡單開始，逐步複雜，期滿 12 週學習週期。課程末亦附有關於機器學習實際應用的附錄，可作為加分題或討論基礎。 透過專案來調整內容，讓過程更吸引學習者，且加強概念吸收。課前低壓小測驗專注於設定學習意向，課後小測驗則進一步強化記憶。此課程設計靈活且有趣，既可整體參與，也可部分學習。專案規模由淺入深，至 12 週結束時逐步趨於複雜。此外，課程後章提供機器學習的實務應用介紹，可作為額外學分或討論素材。
> 請參閱我們的 [行為準則](CODE_OF_CONDUCT.md)、[貢獻指南](CONTRIBUTING.md)、[翻譯說明](TRANSLATIONS.md) 與 [疑難排解](TROUBLESHOOTING.md) 指南。我們歡迎您提出建設性意見！ > 查看我們的 [行為準則](CODE_OF_CONDUCT.md)、[貢獻指引](CONTRIBUTING.md)、[翻譯指南](TRANSLATIONS.md) 與 [故障排解](TROUBLESHOOTING.md)。我們歡迎你提供建設性回饋！
## 每堂課包含 ## 每堂課包含
- 選用的速寫筆記 - 選擇性手繪筆記
- 選用的補充影片 - 選擇性補充影片
- 影片導讀（部分課程） - 影音導覽（部分課程提供）
- [課前暖身測驗](https://ff-quizzes.netlify.app/en/ml/) - [課前熱身小測](https://ff-quizzes.netlify.app/en/ml/)
- 書面課文 - 文字課程
- 對於專案導向課程，提供逐步專案建置指引 - 專案課程流程指引
- 知識檢視 - 知識檢核
- 挑戰任務 - 挑戰任務
- 補充閱讀資料 - 補充閱讀資料
- 作業 - 作業
- [課後測驗](https://ff-quizzes.netlify.app/en/ml/) - [課後小測](https://ff-quizzes.netlify.app/en/ml/)
> **關於語言的說明**：這些課程主要使用 Python 撰寫，但許多課程亦提供 R 語言版本。若要完成 R 課程，請至 `/solution` 資料夾尋找 R 版本的課程，它們擁有 .rmd 副檔名，是一種**R Markdown** 文件，可被定義為一種 `程式碼區塊` （R 或其他語言）與 `YAML 頭資料`（用於格式化輸出，例如 PDF）嵌入於 `Markdown 文件` 的格式。R Markdown 是資料科學中很好的創作框架，能讓你結合程式碼、執行結果與思考心得以 Markdown 形式撰寫，更可匯出成 PDF、HTML 或 Word 等格式。 > **關於語言說明**：這些課程主要使用 Python 撰寫，但許多課程亦提供 R 語言版本。要完成 R 語言課程，請到 `/solution` 資料夾找尋帶有 .rmd 格式的 R 課程檔案。此格式是 **R Markdown** 文件，可視為同時包含 R 或其他語言 `程式碼區塊` 與 `YAML 標頭`（用以指示如何產生如 PDF 格式輸出）的 Markdown 檔案。R Markdown 是資料科學的理想創作框架，結合了程式碼、執行結果與書寫筆記功能，且可以匯出為 PDF、HTML 或 Word 等格式。
> **關於測驗的小提醒**：所有測驗均包含於[Quiz App folder](../../quiz-app)，共有52個測驗，每個測驗包含三條問題。它們從課程中有連結，但可在本地執行測驗應用；請遵循 `quiz-app` 資料夾中的指示來本地托管或部署至 Azure。 > **關於測驗的說明**：所有測驗都包含在[Quiz App folder](../../quiz-app)中，共有52個測驗，每個測驗包含三個問題。它們在課程中有連結，但測驗應用程式可以在本地運行；請參照`quiz-app`資料夾中的說明以在本地託管或部署至Azure。
| 課程編號 | 主題 | 課程分類 | 學習目標 | 連結課程 | 作者 | | Lesson Number | Topic | Lesson Grouping | Learning Objectives | Linked Lesson | Author |
| :-------: | :------------------------------------------------------------: | :------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------ | :--------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: | | :-----------: | :------------------------------------------------------------: | :-------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: |
| 01 | 機器學習入門 | [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 | | 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 | 機器學習歷史 | [Introduction](1-Introduction/README.md) | 瞭解這個領域背後的歷史 | [課程](1-Introduction/2-history-of-ML/README.md) | Jen 和 Amy | | 02 | 機器學習的歷史 | [Introduction](1-Introduction/README.md) | 了解此領域背後的歷史 | [Lesson](1-Introduction/2-history-of-ML/README.md) | Jen and Amy |
| 03 | 公平與機器學習 | [Introduction](1-Introduction/README.md) | 學生建立及應用ML模型時，應考量哪些重要的公平相關哲學議題？ | [課程](1-Introduction/3-fairness/README.md) | Tomomi | | 03 | 公平性與機器學習 | [Introduction](1-Introduction/README.md) | 學生在建立和應用機器學習模型時應考慮的重要公平性哲學議題有哪些？ | [Lesson](1-Introduction/3-fairness/README.md) | Tomomi |
| 04 | 機器學習技術 | [Introduction](1-Introduction/README.md) | 機器學習研究者用什麼技術來建立ML模型？ | [課程](1-Introduction/4-techniques-of-ML/README.md) | Chris 和 Jen | | 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？ | [Lesson](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 | | 05 | 回歸入門 | [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) | 視覺化與清理數據以準備進行ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau | | 06 | 北美南瓜價格 🎃 | [Regression](2-Regression/README.md) | 視覺化和清理數據以準備機器學習 | [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 和 Dmitry • Eric Wanjau | | 07 | 北美南瓜價格 🎃 | [Regression](2-Regression/README.md) | 建立線性和多項式回歸模型 | [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 | | 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) | 建立一個可使用你訓練模型的網頁應用 | [Python](3-Web-App/1-Web-App/README.md) | Jen | | 09 | 網頁應用 🔌 | [Web App](3-Web-App/README.md) | 建立一個網頁應用來使用你訓練好的模型 | [Python](3-Web-App/1-Web-App/README.md) | Jen |
| 10 | 分類介紹 | [Classification](4-Classification/README.md) | 清理、準備及視覺化數據；分類入門 | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen 和 Cassie • Eric Wanjau | | 10 | 分類簡介 | [Classification](4-Classification/README.md) | 清理、準備及視覺化你的數據；分類入門 | [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 和 Cassie • Eric Wanjau | | 11 | 美味亞洲和印度料理 🍜 | [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 | | 12 | 美味亞洲和印度料理 🍜 | [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) | 用你的模型建立推薦網頁應用 | [Python](4-Classification/4-Applied/README.md) | Jen | | 13 | 美味亞洲和印度料理 🍜 | [Classification](4-Classification/README.md) | 利用你的模型建立推薦系統網頁應用 | [Python](4-Classification/4-Applied/README.md) | Jen |
| 14 | 分群介紹 | [Clustering](5-Clustering/README.md) | 清理、準備及視覺化數據；分群入門 | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau | | 14 | 分群入門 | [Clustering](5-Clustering/README.md) | 清理、準備及視覺化你的數據；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 | 探索奈及利亞音樂口味 🎧 | [Clustering](5-Clustering/README.md) | 探索K-Means分群法 | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau | | 15 | 探索尼日利亞音樂喜好 🎧 | [Clustering](5-Clustering/README.md) | 探索K-均值分群方法 | [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) | 透過建立簡單的機器人來學習NLP基礎 | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen | | 16 | 自然語言處理簡介 ☕️ | [Natural language processing](6-NLP/README.md) | 透過建立一個簡易機器人了解自然語言處理的基本知識 | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
| 17 | 常見NLP任務 ☕️ | [Natural language processing](6-NLP/README.md) | 透過理解常見處理語言結構所需任務來深化你的NLP知識 | [Python](6-NLP/2-Tasks/README.md) | Stephen | | 17 | 常見NLP任務 ☕️ | [Natural language processing](6-NLP/README.md) | 透過理解處理語言結構時常用的任務加深你的自然語言處理知識 | [Python](6-NLP/2-Tasks/README.md) | Stephen |
| 18 | 翻譯與情感分析 ♥️ | [Natural language processing](6-NLP/README.md) | 使用珍·奧斯汀進行翻譯和情感分析 | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen | | 18 | 翻譯與情感分析 ♥️ | [Natural language processing](6-NLP/README.md) | 使用珍．奧斯汀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) | 使用飯店評論進行情感分析 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen | | 19 | 歐洲浪漫飯店 ♥️ | [Natural language processing](6-NLP/README.md) | 以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 | | 20 | 歐洲浪漫飯店 ♥️ | [Natural language processing](6-NLP/README.md) | 以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) | 時間序列預測入門 | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca | | 21 | 時序預測入門 | [Time series](7-TimeSeries/README.md) | 時序預測入門 | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca |
| 22 | ⚡️ 世界用電量 ⚡️ - 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 | | 22 | ⚡️ 世界電力使用 ⚡️ - 以ARIMA進行時序預測 | [Time series](7-TimeSeries/README.md) | 使用ARIMA進行時序預測 | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca |
| 23 | ⚡️ 世界用電量 ⚡️ - 使用SVR的時間序列預測 | [Time series](7-TimeSeries/README.md) | 使用支援向量回歸 (Support Vector Regressor) 進行時間序列預測 | [Python](7-TimeSeries/3-SVR/README.md) | Anirban | | 23 | ⚡️ 世界電力使用 ⚡️ - 以SVR進行時序預測 | [Time series](7-TimeSeries/README.md) | 使用支持向量回歸進行時序預測 | [Python](7-TimeSeries/3-SVR/README.md) | Anirban |
| 24 | 強化學習入門 | [Reinforcement learning](8-Reinforcement/README.md) | Q-Learning 強化學習入門 | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry | | 24 | 強化學習入門 | [Reinforcement learning](8-Reinforcement/README.md) | 強化學習及Q學習入門 | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry |
| 25 | 幫助彼得避開狼！🐺 | [Reinforcement learning](8-Reinforcement/README.md) | 強化學習 Gym | [Python](8-Reinforcement/2-Gym/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 | 真實世界的ML場景與應用 | [ML in the Wild](9-Real-World/README.md) | 傳統ML有趣且啟發性的真實應用 | [課程](9-Real-World/1-Applications/README.md) | 團隊 | | 後記 | 現實世界機器學習場景與應用 | [ML in the Wild](9-Real-World/README.md) | 傳統機器學習有趣且具啟發性的現實應用 | [Lesson](9-Real-World/1-Applications/README.md) | Team |
| 後記 | 用RAI儀表板進行ML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 | [課程](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu | | 後記 | 使用RAI面板進行機器學習模型除錯 | [ML in the Wild](9-Real-World/README.md) | 使用負責任AI面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 集合中尋找該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收藏中找到本課程所有附加資源](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
## 離線存取 ## 離線存取
你可以使用 [Docsify](https://docsify.js.org/#/) 離線瀏覽本文件。複製此倉庫，在你的本機安裝 [Docsify](https://docsify.js.org/#/quickstart)，然後於此倉庫根目錄下輸入 `docsify serve`。網站會在localhost的3000端口提供服務：`localhost:3000`。 你可以使用[Docsify](https://docsify.js.org/#/)離線執行本文件。請fork此repo，在你的本地機器上[安裝Docsify](https://docsify.js.org/#/quickstart)，然後在此repo的根目錄輸入 `docsify serve`。網站將在本機端口3000服務：`localhost:3000`。
## PDF ## PDF檔
在[這裡](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf)找到含連結的課程PDF。 找到帶連結的課程PDF [這裡](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf)。
## 🎒 其他課程
## 🎒 其他課程 我們團隊還出品其他課程！請看看：
我們團隊還製作其他課程！參考：
<!-- CO-OP TRANSLATOR OTHER COURSES START --> <!-- CO-OP TRANSLATOR OTHER COURSES START -->
### LangChain ### LangChain
[![LangChain4j for Beginners](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners) [![LangChain4j for Beginners](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners)
[![LangChain.js for Beginners](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin) [![LangChain.js for Beginners](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
[![LangChain for Beginners](https://img.shields.io/badge/LangChain%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
--- ---
### Azure / Edge / MCP / Agents ### Azure / Edge / MCP / Agents
@ -180,38 +179,38 @@
--- ---
### 生成式AI系列 ### 專案生成人工智能系列
[![Generative AI for Beginners](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) [![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)
[![Generative 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 (.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)
[![Generative 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 (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)
[![Generative 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) [![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)
--- ---
### 核心學習 ### 核心學習
[![ML for Beginners](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) [![機器學習初學者](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)
[![Data Science for Beginners](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) [![資料科學初學者](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)
[![AI for Beginners](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) [![人工智能初學者](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)
[![Cybersecurity for Beginners](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) [![網絡安全初學者](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)
[![Web Dev for Beginners](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) [![網頁開發初學者](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)
[![IoT for Beginners](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) [![物聯網初學者](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)
[![XR Development for Beginners](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) [![XR 開發初學者](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 ### Copilot 系列
[![Copilot for AI Paired Programming](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) [![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)
[![Copilot for C#/.NET](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) [![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 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) [![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)
<!-- CO-OP TRANSLATOR OTHER COURSES END --> <!-- CO-OP TRANSLATOR OTHER COURSES END -->
## 獲取幫助 ## 尋求幫助
如果你在建構 AI 應用程式時卡住了或有任何問題。加入其他學習者和有經驗的開發者，參與關於 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。 如果你遇到困難或對構建 AI 應用程式有任何疑問，歡迎加入學習者和經驗豐富的開發者一起討論 MCP。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) [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG)
如果你有產品反饋或在開發過程中遇到錯誤，請訪問： 如果你在建構過程中有產品反饋或發現錯誤，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) [![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)
@ -219,5 +218,5 @@
<!-- CO-OP TRANSLATOR DISCLAIMER START --> <!-- CO-OP TRANSLATOR DISCLAIMER START -->
**免責聲明**： **免責聲明**：
本文件係使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們致力於確保準確性，但請注意，自動翻譯可能存在錯誤或不準確之處。原始文件之母語版本應被視為最具權威性的來源。對於關鍵資訊，建議尋求專業人類翻譯。我們不對因使用本翻譯而引起之任何誤解或曲解承擔法律責任。 本文件是使用人工智能翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯的。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。原始文件的母語版本應視為權威來源。對於重要資訊，建議尋求專業人工翻譯。我們不對因使用此翻譯而產生的任何誤解或誤譯承擔責任。
<!-- CO-OP TRANSLATOR DISCLAIMER END --> <!-- CO-OP TRANSLATOR DISCLAIMER END -->

4
translations/zh-TW/.co-op-translator.json
Unescape View File

@ -540,8 +540,8 @@
"language_code": "zh-TW" "language_code": "zh-TW"
}, },
"README.md": { "README.md": {
"original_hash": "da2ceed62f16a0820259556e3a873c95", "original_hash": "2f594ee136e3127a47f56d80055227bc",
"translation_date": "2026-01-29T17:51:29+00:00", "translation_date": "2026-02-06T07:45:05+00:00",
"source_file": "README.md", "source_file": "README.md",
"language_code": "zh-TW" "language_code": "zh-TW"
}, },

186
translations/zh-TW/README.md
Unescape View File

@ -10,75 +10,75 @@
### 🌐 多語言支援 ### 🌐 多語言支援
#### 透過 GitHub Action 支援（自動且持續更新） #### 透過 GitHub Action 支援（自動化且隨時更新）
<!-- CO-OP TRANSLATOR LANGUAGES TABLE START --> <!-- 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) | [簡體中文](../zh-CN/README.md) | [繁體中文（香港）](../zh-HK/README.md) | [繁體中文（澳門）](../zh-MO/README.md) | [繁體中文（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) | [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) | [尼日利亞皮欽語](../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](../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) | [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)
> **想要本機複製？** > **偏好本地複製？**
> 此儲存庫包含超過 50 種語言翻譯，這會大幅增加下載大小。若想不包含翻譯檔案可使用 sparse checkout： > 此儲存庫包含 50 多種語言的翻譯，這會大幅增加下載大小。若想跳過翻譯內容進行複製，請使用稀疏簽出：
> ```bash > ```bash
> git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git > git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git
> cd ML-For-Beginners > cd ML-For-Beginners
> git sparse-checkout set --no-cone '/*' '!translations' '!translated_images' > git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'
> ``` > ```
> 這能讓你快速獲得完成課程所需的全部內容，下載速度更快。 > 這可讓你快速取得完成課程所需的所有內容並加快下載速度。
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END --> <!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
#### 加入我們的社群 #### 加入我們的社群
[![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG)
我們正持續舉辦 Discord 人工智慧系列學習活動，更多資訊及加入請至 [Learn with AI Series](https://aka.ms/learnwithai/discord)，活動時間為 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。 我們持續舉辦 Discord AI 學習系列，更多資訊及加入請見 [Learn with AI Series](https://aka.ms/learnwithai/discord)，時間為 2025 年 9 月 18 日至 30 日。你將獲得使用 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) ![Learn with AI series](../../translated_images/zh-TW/3.9b58fd8d6c373c20.webp)
# 機器學習初學者課程 # 機器學習初學者課程
> 🌍 跟隨世界文化環遊世界，一起探索機器學習 🌍 > 🌍 隨著我們透過世界各地文化探索機器學習，一同環遊世界 🌍
微軟的 Cloud Advocates 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，你將學習有時稱作**經典機器學習**的知識，主要使用 Scikit-learn 作為函式庫，並避免深入探討深度學習，那部分內容包含在我們的 [AI 初學者課程](https://aka.ms/ai4beginners) 中。也可以搭配我們的 ['資料科學初學者課程'](https://aka.ms/ds4beginners)一併學習！ 微軟的 Cloud Advocates 很高興提供一個為期 12 週、共 26 課的 **機器學習** 課程。在此課程中，你將學習所謂的 **經典機器學習**，主要使用 Scikit-learn 函式庫，避免使用深度學習，深度學習部分則涵蓋於我們的 [AI 初學者課程](https://aka.ms/ai4beginners) 中。你也可以搭配我們的 ['資料科學初學者課程'](https://aka.ms/ds4beginners) 一起學習！
跟我們一起環遊世界，應用這些經典技術於世界各地的資料。每堂課包括課前與課後小測驗、步驟說明完成課程、解答、專題練習等。我們採用專案式教學法，讓你透過實做學習，這是讓新技能容易學會的方法。 跟著我們環遊世界，將這些經典技術應用到來自世界許多地區的資料。每課包含課前與課後測驗、書面教學指引、解答、練習題等等。基於專案的教學法讓你透過實作學習，是新技能吸收的有效途徑。
**✍️ 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 和 Amy Boyd **✍️ 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 和 Amy Boyd
**🎨 也感謝插畫家** Tomomi Imura、Dasani Madipalli 和 Jen Looper **🎨 也感謝我們的插畫師** Tomomi Imura、Dasani Madipalli 和 Jen Looper
**🙏 特別感謝微軟學生大使們，包括作者、審核者與內容貢獻者**，尤其是 Rishit Dagli、Muhammad Sakib Khan Inan、Rohan Raj、Alexandru Petrescu、Abhishek Jaiswal、Nawrin Tabassum、Ioan Samuila 以及 Snigdha Agarwal **🙏 特別感謝 🙏 微軟學生大使作者、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 和 Vidushi Gupta 為我們的 R 課程增添助力！** **🤩 額外感謝微軟學生大使 Eric Wanjau、Jasleen Sondhi 和 Vidushi Gupta 提供我們的 R 課程！**
# 開始使用 # 開始使用
請跟著以下步驟： 請依照以下步驟操作：
1. **分支此儲存庫**：點擊本頁右上方的 "Fork" 按鈕。 1. **分叉此儲存庫**：點擊本頁右上方的「Fork」按鈕。
2. **複製此儲存庫**：`git clone https://github.com/microsoft/ML-For-Beginners.git` 2. **克隆此儲存庫**：`git clone https://github.com/microsoft/ML-For-Beginners.git`
> [欲獲得本課程的所有額外資源，請參閱我們的 Microsoft Learn 集合](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) > [本課程的所有額外資源都收錄於我們的 Microsoft Learn 專輯](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
> 🔧 **需要幫助？** 請查看我們的 [疑難排解指南](TROUBLESHOOTING.md)，了解安裝、設定及執行課程常見問題的解決方案。 > 🔧 **需要幫助？** 請查看我們的 [故障排除指南](TROUBLESHOOTING.md)，了解安裝、設定及執行課程時常見問題的解決方案。
**[學生](https://aka.ms/student-page)**，使用此課程時，請將整個儲存庫 fork 到你自己的 GitHub 帳號，然後單獨或與團隊完成練習： **[學生](https://aka.ms/student-page)**，要使用本課程，請將整個儲存庫分叉到你的 GitHub 帳號，並自行或團體完成練習：
- 先進行課前小測驗。 - 從課前測驗開始。
- 閱讀課程內容並完成活動，於每個知識點停下反思。 - 閱讀課程並完成活動，於每個知識檢測停下思考。
- 盡量嘗試理解教材自行製作專案，而不是直接執行解答程式碼；不過解答都放在各專案課程的 `/solution` 資料夾中。 - 盡量透過理解課程內容來自行建立專案，而非直接執行解答程式碼；不過每個專案式課程都在 `/solution` 資料夾提供解答程式碼。
- 完成課後小測驗。 - 完成課後測驗。
- 完成挑戰題。 - 完成挑戰題。
- 完成作業。 - 完成作業。
- 完成一組課程後，請到 [討論區](https://github.com/microsoft/ML-For-Beginners/discussions) 並透過填寫適當的 PAT 評量表來「邊學邊說」。PAT 是一種進度評估工具，你填寫後有助於深化學習。你也可以對其他人的 PAT 做回應，共同學習。 - 完成一組課程後，請造訪 [討論板](https://github.com/microsoft/ML-For-Beginners/discussions) 並「大聲學習」，填寫相應的 PAT 評分表。PAT 是一種進度評估工具，透過填寫評分表幫助學習。你也可以對其他人的 PAT 回應，一同進步。
> 想深造的話，我們推薦下列 [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。 > 若想更深入學習，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。
**老師們**，我們已經 [提供如何使用這套課程的建議](for-teachers.md)。 **教師**，我們已在 [教師建議](for-teachers.md) 中提供一些使用課程的建議。
--- ---
## 影片導覽 ## 視頻導覽
部分課程提供短片影片。你可以在各堂課中找到，或前往 [微軟開發者 YouTube 頻道的 ML for Beginners 播放清單](https://aka.ms/ml-beginners-videos)，點擊下方圖片觀看。 部分課程有短片形式的視頻說明，這些視頻皆置於課程中，也可在 [Microsoft 開發者 YouTube 頻道的 ML for Beginners 播放清單](https://aka.ms/ml-beginners-videos) 觀看，點擊下方圖片即可。
[![ML for beginners banner](../../translated_images/zh-TW/ml-for-beginners-video-banner.63f694a100034bc6.webp)](https://aka.ms/ml-beginners-videos) [![ML for beginners banner](../../translated_images/zh-TW/ml-for-beginners-video-banner.63f694a100034bc6.webp)](https://aka.ms/ml-beginners-videos)
@ -88,86 +88,86 @@
[![Promo video](../../images/ml.gif)](https://youtu.be/Tj1XWrDSYJU) [![Promo video](../../images/ml.gif)](https://youtu.be/Tj1XWrDSYJU)
**Gif 動畫製作者** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) **動圖製作者** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal)
> 🎥 點擊上方圖片觀看專案與製作者影片介紹！ > 🎥 點擊上方圖片，觀看關於此專案及幕後團隊的影片！
--- ---
## 教學法 ## 教學法
我們在設計這套課程時採用了兩個教學原則：保證是實作為主的 **專案導向**，以及包含 **頻繁的測驗**。同時，課程有統一的 **主題**，讓內容更連貫。 我們在設計此課程時堅持兩個教學原則：確保為 **專案式實作**，並包含 **頻繁測驗**。此外，本課程擁有一致的 **主題** 以增強整體性。
將內容與專題緊密結合，使學習過程更生動，也能加強概念記憶。課前的低壓力測驗能幫助學生設定學習目標，而課後測驗則促進更完整的學習吸收。這套課程設計靈活有趣，整體或部分學習都適合。專案從簡單開始，隨 12 週推進逐漸複雜。課程還包括一篇關於機器學習實際應用的後記，可作為附加學分或討論基礎。 確保內容與專案對齊能增加學生參與度並提升概念記憶。課前進行低壓力測驗，設定學習動機；課後測驗則強化記憶。此課程設計靈活有趣，可全程或部分學習。專案由淺入深，逐步增加複雜度，適合 12 星期期。課程還包含一篇關於機器學習真實應用的後記，可用作額外學分或討論素材。
> 請參閱我們的 [行為守則](CODE_OF_CONDUCT.md)、[貢獻指南](CONTRIBUTING.md)、[翻譯指南](TRANSLATIONS.md) 及 [疑難排解](TROUBLESHOOTING.md) 方針。我們歡迎您的建設性回饋！ > 請查閱我們的 [行為守則](CODE_OF_CONDUCT.md)、[貢獻指南](CONTRIBUTING.md)、[翻譯指南](TRANSLATIONS.md) 和 [故障排除](TROUBLESHOOTING.md) 。歡迎您提供建設性意見！
## 每堂課包括 ## 每課內容包含
- 可選擇的手繪筆記 - 選擇性手繪筆記
- 可選擇的補充影片 - 選擇性補充影片
- 影片導覽（部分課程） - 影片導覽（部分課程）
- [課前熱身小測驗](https://ff-quizzes.netlify.app/en/ml/) - [課前暖身測驗](https://ff-quizzes.netlify.app/en/ml/)
- 書面課程說明 - 書面教學
- 專案課程的逐步指南教你建構專案 - 專案式課程附逐步專案製作指引
- 知識點檢測 - 知識檢測
- 挑戰題 - 挑戰題
- 補充閱讀 - 補充閱讀
- 作業 - 作業
- [課後測驗](https://ff-quizzes.netlify.app/en/ml/) - [課後測驗](https://ff-quizzes.netlify.app/en/ml/)
> **關於語言的說明**：這些課程主要用 Python 撰寫，但很多也提供 R 版本。若欲完成 R 課程，請進入 `/solution` 資料夾查找 R 版本課程。它們以 .rmd 副檔名標示，代表 **R Markdown** 文件，這種格式將 R 或其他語言的「程式碼區塊」與「YAML 標頭」（指導如何格式化輸出如 PDF）結合在 Markdown 文件中。此格式是資料科學的理想編寫架構，因為它允許你同時記錄程式碼、執行輸出與心得，透過 Markdown 直觀呈現。此外，R Markdown 文件可以輸出為 PDF、HTML 或 Word 等格式。 > **關於語言的說明**：課程內容主要以 Python 撰寫，也有許多 R 課程。完成 R 課時，請至 `/solution` 資料夾尋找包含 .rmd 副檔名的 R Markdown 檔案，這種文件格式結合了 `程式碼區塊`（R 或其他語言）與 `YAML 標頭`（指定輸出格式如 PDF），以 Markdown 文件形式表達。因此，它是資料科學典範的撰寫框架，能讓你同時撰寫程式碼、呈現輸出與文字描述。此外，R Markdown 文件可匯出為 PDF、HTML 或 Word 等格式。
> **關於測驗的說明**：所有測驗皆包含於 [Quiz App folder](../../quiz-app) 中，共有 52 個測驗，每個測驗包含三個問題。這些測驗會從課程中連結，但也可以在本地執行測驗應用程式；請依照 `quiz-app` 資料夾中的說明進行本地端架設或部署到 Azure。 > **有關測驗的小提醒**：所有測驗皆收錄在 [Quiz App folder](../../quiz-app) 中，共 52 個測驗，每個測驗含三個問題。這些測驗會在課程中連結，但測驗應用程式可以在本機執行；請依照 `quiz-app` 資料夾中的說明進行本機架設或部署至 Azure。
| Lesson Number | Topic | Lesson Grouping | Learning Objectives | Linked Lesson | Author | | Lesson Number | Topic | Lesson Grouping | Learning Objectives | Linked Lesson | Author |
| :-----------: | :------------------------------------------------------------: | :-------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: | | :-----------: | :------------------------------------------------------------: | :-------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: |
| 01 | 機器學習導論 | [Introduction](1-Introduction/README.md) | 瞭解機器學習的基本概念 | [Lesson](1-Introduction/1-intro-to-ML/README.md) | Muhammad | | 01 | 機器學習簡介 | [Introduction](1-Introduction/README.md) | 了解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) | 瞭解此領域背後的歷史 | [Lesson](1-Introduction/2-history-of-ML/README.md) | Jen and Amy | | 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 and Amy |
| 03 | 公平性與機器學習 | [Introduction](1-Introduction/README.md) | 學生在建構及應用機器學習模型時，應思考的公平性相關重要哲學議題 | [Lesson](1-Introduction/3-fairness/README.md) | Tomomi | | 03 | 公平性與機器學習 | [Introduction](1-Introduction/README.md) | 建立及應用機器學習模型時，學生應考慮的公平性哲學重要議題？ | [Lesson](1-Introduction/3-fairness/README.md) | Tomomi |
| 04 | 機器學習技術 | [Introduction](1-Introduction/README.md) | 機器學習研究者用以建構機器學習模型的方法有哪些？ | [Lesson](1-Introduction/4-techniques-of-ML/README.md) | Chris and Jen | | 04 | 機器學習技巧 | [Introduction](1-Introduction/README.md) | 機器學習研究者用於建構機器學習模型的技巧為何？ | [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 和 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 | | 05 | 回歸簡介 | [Regression](2-Regression/README.md) | 使用 Python 與 Scikit-learn 開始建構回歸模型 | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
| 06 | 北美洲南瓜價格 🎃 | [Regression](2-Regression/README.md) | 視覺化與清理資料，為機器學習作準備 | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau | | 06 | 北美洲南瓜價格 🎃 | [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 | 北美洲南瓜價格 🎃 | [Regression](2-Regression/README.md) | 建構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 | | 07 | 北美洲南瓜價格 🎃 | [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 | 北美洲南瓜價格 🎃 | [Regression](2-Regression/README.md) | 建立邏輯斯回歸模型 | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau | | 08 | 北美洲南瓜價格 🎃 | [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 | 一個網頁應用 🔌 | [Web App](3-Web-App/README.md) | 建立使用已訓練模型的網頁應用 | [Python](3-Web-App/1-Web-App/README.md) | Jen | | 09 | 網頁應用 🔌 | [Web App](3-Web-App/README.md) | 建立一個網頁應用程式以使用訓練好的模型 | [Python](3-Web-App/1-Web-App/README.md) | Jen |
| 10 | 分類介紹 | [Classification](4-Classification/README.md) | 洗淨、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 | | 10 | 分類簡介 | [Classification](4-Classification/README.md) | 清理、準備並視覺化你的資料；分類導論 | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen and Cassie • Eric Wanjau |
| 11 | 美味的亞洲與印度料理 🍜 | [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 | | 11 | 美味的亞洲與印度料理 🍜 | [Classification](4-Classification/README.md) | 分類器簡介 | [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 | | 12 | 美味的亞洲與印度料理 🍜 | [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 | 美味的亞洲與印度料理 🍜 | [Classification](4-Classification/README.md) | 使用模型建立推薦系統網頁應用 | [Python](4-Classification/4-Applied/README.md) | Jen | | 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的網頁應用程式 | [Python](4-Classification/4-Applied/README.md) | Jen |
| 14 | 叢集介紹 | [Clustering](5-Clustering/README.md) | 清理、準備及視覺化資料；叢集介紹 | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau | | 14 | 分群簡介 | [Clustering](5-Clustering/README.md) | 清理、準備並視覺化你的資料；分群導論 | [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-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 | | 15 | 探索奈及利亞的音樂品味 🎧 | [Clustering](5-Clustering/README.md) | 探索 K-均值分群方法 | [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) | 透過建立簡單機器人來學習自然語言處理的基礎 | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen | | 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自然語言處理的基礎 | [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) | 深入了解處理語言結構時常見的自然語言處理任務 | [Python](6-NLP/2-Tasks/README.md) | Stephen | | 17 | 常見 NLP 任務 ☕️ | [Natural language processing](6-NLP/README.md) | 深入了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 進行翻譯與情感分析 | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen | | 18 | 翻譯與情感分析 ♥️ | [Natural language processing](6-NLP/README.md) | 使用珍‧奧斯汀的翻譯與情感分析 | [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 | | 19 | 歐洲浪漫旅館 ♥️ | [Natural language processing](6-NLP/README.md) | 旅館評論的情感分析 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 | | 20 | 歐洲浪漫旅館 ♥️ | [Natural language processing](6-NLP/README.md) | 旅館評論的情感分析 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen |
| 21 | 時序預測入門 | [Time series](7-TimeSeries/README.md) | 時序預測介紹 | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca | | 21 | 時間序列預測導論 | [Time series](7-TimeSeries/README.md) | 時間序列預測入門 | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca |
| 22 | ⚡️ 世界能源使用 ⚡️ - 使用 ARIMA 進行時序預測 | [Time series](7-TimeSeries/README.md) | 使用 ARIMA 進行時序預測 | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca | | 22 | ⚡️ 世界用電量 ⚡️ - 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 | ⚡️ 世界能源使用 ⚡️ - 使用 SVR 進行時序預測 | [Time series](7-TimeSeries/README.md) | 使用支持向量迴歸 (SVR) 進行時序預測 | [Python](7-TimeSeries/3-SVR/README.md) | Anirban | | 23 | ⚡️ 世界用電量 ⚡️ - 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) | 以 Q-Learning 介紹強化學習 | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry | | 24 | 強化學習導論 | [Reinforcement learning](8-Reinforcement/README.md) | 透過 Q 學習介紹強化學習 | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry |
| 25 | 幫助彼得避免狼！🐺 | [Reinforcement learning](8-Reinforcement/README.md) | 強化學習 Gym | [Python](8-Reinforcement/2-Gym/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 |
| 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) | 傳統機器學習在現實世界中有趣且深刻的應用 | [Lesson](9-Real-World/1-Applications/README.md) | 團隊 | | 後記 | 真實世界的機器學習情境與應用 | [ML in the Wild](9-Real-World/README.md) | 傳統機器學習有趣且具啟發性的真實世界應用 | [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 | | 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) | 利用負責任的 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 集合中尋找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 ## 離線存取
您可以使用 [Docsify](https://docsify.js.org/#/) 離線執行本文件。複製此倉庫，在本機安裝 [Docsify](https://docsify.js.org/#/quickstart)，然後在此倉庫根目錄輸入 `docsify serve`。網頁將在本機的 3000 連接埠啟動：`localhost:3000`。 您可以透過使用 [Docsify](https://docsify.js.org/#/) 離線查看這份文件。先 Fork 此倉庫，於您的本機電腦上 [安裝 Docsify](https://docsify.js.org/#/quickstart)，然後在此倉庫的根目錄中輸入 `docsify serve`。網站將在本機的 3000 埠執行：`localhost:3000`。
## PDF ## PDF
[此處](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf)可找到課程大綱及連結的 PDF 檔案。 在[此處](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf)下載含有連結的課程 PDF。
## 🎒 其他課程 ## 🎒 其他課程
我們團隊還製作其他課程！歡迎參考： 我們的團隊還製作其他課程！請參考：
<!-- CO-OP TRANSLATOR OTHER COURSES START --> <!-- CO-OP TRANSLATOR OTHER COURSES START -->
### LangChain ### LangChain
[![LangChain4j for Beginners](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners) [![LangChain4j for Beginners](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners)
[![LangChain.js for Beginners](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin) [![LangChain.js for Beginners](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
[![LangChain for Beginners](https://img.shields.io/badge/LangChain%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
--- ---
### Azure / Edge / MCP / Agents ### Azure / Edge / MCP / Agents
@ -178,38 +178,38 @@
--- ---
### Generative AI Series ### 生成式 AI 系列
[![入門生成式 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) [![Generative AI for Beginners](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) [![Generative 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) [![Generative 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 (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 ### 核心學習
[![入門機器學習](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) [![ML for Beginners](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)
[![入門資料科學](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) [![Data Science for Beginners](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)
[![入門人工智慧](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) [![AI for Beginners](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)
[![入門網路安全](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) [![Cybersecurity for Beginners](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)
[![入門網頁開發](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) [![Web Dev for Beginners](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)
[![入門物聯網](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) [![IoT for Beginners](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)
[![入門擴增實境開發](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) [![XR Development for Beginners](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 ### Copilot 系列
[![AI 配對編程 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) [![Copilot for AI Paired Programming](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) [![Copilot for C#/.NET](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) [![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)
<!-- CO-OP TRANSLATOR OTHER COURSES END --> <!-- CO-OP TRANSLATOR OTHER COURSES END -->
## 尋求協助 ## 尋求協助
如果您在構建 AI 應用程式時遇到困難或有任何疑問，歡迎加入學習者和經驗豐富的開發者一起討論 MCP。這是一個支持性的社群，歡迎提問並自由分享知識。 如果您在建置 AI 應用程式時遇到困難或有任何問題，歡迎加入學習者與經驗豐富的開發者們一起討論 MCP。這是一個支持性的社群，問題都歡迎提出，知識也樂於共享。
[![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG)
如果您在開發過程中有產品反饋或錯誤，請造訪： 如果您在建置過程中有產品回饋或遇到錯誤，請造訪：
[![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) [![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)
@ -217,5 +217,5 @@
<!-- CO-OP TRANSLATOR DISCLAIMER START --> <!-- CO-OP TRANSLATOR DISCLAIMER START -->
**免責聲明**： **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。雖然我們致力於確保翻譯的準確性，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所導致的任何誤解或誤譯承擔責任。 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。儘管我們力求準確，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之任何誤解或誤用負責。
<!-- CO-OP TRANSLATOR DISCLAIMER END --> <!-- CO-OP TRANSLATOR DISCLAIMER END -->
Write Preview
Loading…
Cancel
Save