[![GitHub license](https://img.shields.io/github/license/microsoft/ML-For-Beginners.svg)](https://github.com/microsoft/ML-For-Beginners/blob/master/LICENSE) [![GitHub contributors](https://img.shields.io/github/contributors/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/graphs/contributors/) [![GitHub issues](https://img.shields.io/github/issues/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/issues/) [![GitHub pull-requests](https://img.shields.io/github/issues-pr/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/pulls/) [![PRs Welcome](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com) [![GitHub watchers](https://img.shields.io/github/watchers/microsoft/ML-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/ML-For-Beginners/watchers/) [![GitHub forks](https://img.shields.io/github/forks/microsoft/ML-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/ML-For-Beginners/network/) [![GitHub stars](https://img.shields.io/github/stars/microsoft/ML-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/ML-For-Beginners/stargazers/) ### 🌐 多語言支援 #### 透過 GitHub Action 支援（自動化且隨時更新） [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) | [Khmer](../km/README.md) | [Korean](../ko/README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](../no/README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../pt-BR/README.md) | [Portuguese (Portugal)](../pt-PT/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md) > **想本地複製？** > > 此存儲庫包含 50 多種語言翻譯，會大幅增加下載大小。若要在不帶翻譯的情況下複製，請使用稀疏檢出： > > **Bash / macOS / Linux:** > ```bash > git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git > cd ML-For-Beginners > git sparse-checkout set --no-cone '/*' '!translations' '!translated_images' > ``` > > **CMD（Windows）：** > ```cmd > git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git > cd ML-For-Beginners > git sparse-checkout set --no-cone "/*" "!translations" "!translated_images" > ``` > > 這會讓您以更快的速度下載完成課程所需的所有內容。 #### 加入我們的社群 [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) 我們正舉辦 Discord AI 學習系列，詳情及加入請見 [Learn with AI Series](https://aka.ms/learnwithai/discord)，時間為 2025 年 9 月 18 日至 30 日。您將獲得使用 GitHub Copilot 做數據科學的技巧與秘訣。 ![Learn with AI series](../../translated_images/zh-MO/3.9b58fd8d6c373c20.webp) # 初學者機器學習課程大綱 > 🌍 跟隨世界各地文化，一起探索機器學習 🌍 微軟 Cloud Advocates 團隊很高興提供一套共 12 週、26 課的機器學習課程。在這套課程中，您將了解所謂的經典機器學習，主要使用 Scikit-learn 作為函式庫，並避開深度學習部分，深度學習則在我們的[AI 初學者課程](https://aka.ms/ai4beginners)中涵蓋。這些課程也可與我們的[初學者數據科學課程](https://aka.ms/ds4beginners)搭配學習！ 跟我們一起環遊世界，將這些經典技術應用到來自全球不同領域的數據。每堂課包含課前和課後小測驗、書面操作說明、解答、作業，及更多。我們以專案為基礎的教學法，讓你邊建構邊學習，這是新技能「記憶更深刻」的有效方法。 **✍️ 誠摯感謝作者** Jen Looper、Stephen Howell、Francesca Lazzeri、Tomomi Imura、Cassie Breviu、Dmitry Soshnikov、Chris Noring、Anirban Mukherjee、Ornella Altunyan、Ruth Yakubu 與 Amy Boyd **🎨 也感謝插畫師** Tomomi Imura、Dasani Madipalli 及 Jen Looper **🙏 特別感謝🙏 微軟學生大使作者、審閱者與內容貢獻者**，尤其是 Rishit Dagli、Muhammad Sakib Khan Inan、Rohan Raj、Alexandru Petrescu、Abhishek Jaiswal、Nawrin Tabassum、Ioan Samuila 與 Snigdha Agarwal **🤩 額外感謝微軟學生大使 Eric Wanjau、Jasleen Sondhi 及 Vidushi Gupta 的 R 課程！** # 開始使用 請按照以下步驟： 1. **Fork 此倉庫**：點擊本頁右上方的「Fork」按鈕。 2. **Clone 此倉庫**：`git clone https://github.com/microsoft/ML-For-Beginners.git` > [在我們的 Microsoft Learn 集合中找到本課程的所有額外資源](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) > 🔧 **需要幫助？** 請查看我們的[故障排除指南](TROUBLESHOOTING.md)，解決安裝、設置與運行課程常見問題。 **[學生們](https://aka.ms/student-page)**，使用本課程時，請先將整個倉庫 fork 至您自己的 GitHub 帳號，然後獨立或組隊完成練習： - 從課前小測驗開始。 - 閱讀課程內容並完成活動，隨時暫停思考知識點。 - 嘗試透過理解課程內容創建專案，而非直接執行解答程式碼；當然解答代碼在每個專案導向課程中的 `/solution` 資料夾可用。 - 進行課後小測驗。 - 完成挑戰題。 - 完成作業。 - 完成一組課程後，請到 [討論區](https://github.com/microsoft/ML-For-Beginners/discussions)，透過填寫對應的 PAT 評分標準進行「大聲學習」。PAT（Progress Assessment Tool）是您填寫的進度評估工具。也可以對其他人的 PAT 作出回應，大家一起學習。 > 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) 模塊與學習路徑。 教師們，我們提供了[一些使用課程的建議](for-teachers.md)。 --- ## 影片導覽 部分課程有短影片可播放。您可在課程中線上觀看，也可點擊下方圖片，前往 Microsoft Developer YouTube 頻道的[ML 初學者播放清單](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) --- ## 團隊介紹 [![Promo video](../../images/ml.gif)](https://youtu.be/Tj1XWrDSYJU) 動圖由 [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) 提供 > 🎥 點擊上方圖片，觀看本專案及其創作者介紹影片！ --- ## 教學理念 我們在設計此課程時選擇了兩大教學原則：確保它是動手做的專案導向課程，並包含頻繁的小測驗。此外，本課程有一致的主題作為連貫架構。 確保內容和專案緊密結合，能讓學生更投入學習，增加概念掌握率。課前低壓力的小測驗設定學生學習意向，課後複習小測驗則加強記憶。本課程彈性且有趣，可一次修完或分階段學。專案從簡單開始，隨課程進展逐漸提升難度。課程後還有機器學習實際應用的後記，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](../../../../../../../translations)及[故障排除指南](TROUBLESHOOTING.md)。我們歡迎您的建設性反饋！ ## 每堂課包含 - 選擇性手繪筆記 - 選擇性補充影片 - 影片導覽（部分課程） - [課前暖身小測驗](https://ff-quizzes.netlify.app/en/ml/) - 書面課程內容 - 專案導向課程的分步建置指南 - 知識點檢測 - 挑戰題 - 補充閱讀 - 作業 - [課後小測驗](https://ff-quizzes.netlify.app/en/ml/) > 關於語言的一個說明：這些課程主要以 Python 編寫，但也有很多課程提供 R 語言版本。要完成一個 R 課程，請前往 `/solution` 資料夾並尋找 R 課程。它們包含了 .rmd 副檔名，代表一個 **R Markdown** 檔案，可以簡單定義為在 `Markdown 文件` 中嵌入了 `代碼區塊`（R 或其他語言）和 `YAML 標頭`（用來指導如何格式化輸出，例如 PDF）。因此，它作為一個範例的資料科學創作框架，允許你將程式碼、程式碼輸出和你的想法結合起來，並用 Markdown 記錄下來。此外，R Markdown 文件可以被渲染成 PDF、HTML 或 Word 等輸出格式。 > 關於測驗的一個說明：所有測驗都包含在 [Quiz App folder](../../quiz-app) 中，共52個測驗，每個測驗有三個問題。它們從課程中連結，但測驗應用程式可以在本地運行；請依照 `quiz-app` 資料夾中的指示，在本地架設或部署到 Azure。 | Lesson Number | Topic | Lesson Grouping | Learning Objectives | Linked Lesson | Author | | :-----------: | :------------------------------------------------------------: | :-------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: | | 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) | 了解這個領域背後的歷史 | [Lesson](1-Introduction/2-history-of-ML/README.md) | Jen and Amy | | 03 | 公平性與機器學習 | [Introduction](1-Introduction/README.md) | 建立及應用機器學習模型時，學生應考慮的重要公平性哲學議題是什麼？ | [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了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 | 回歸簡介 | [Regression](2-Regression/README.md) | 使用 Python 和 Scikit-learn 進行回歸模型入門 | [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 | | 09 | 一個網頁應用 🔌 | [Web App](3-Web-App/README.md) | 建立一個使用你訓練過的模型的網頁應用 | [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 | 美味的亞洲及印度料理 🍜 | [Classification](4-Classification/README.md) | 分類器入門 | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen and Cassie • Eric Wanjau | | 12 | 美味的亞洲及印度料理 🍜 | [Classification](4-Classification/README.md) | 更多分類器 | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen and Cassie • Eric Wanjau | | 13 | 美味的亞洲及印度料理 🍜 | [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 | 叢集分析簡介 | [Clustering](5-Clustering/README.md) | 清理、準備及視覺化數據；叢集分析入門 | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau | | 15 | 探索尼日利亞音樂品味 🎧 | [Clustering](5-Clustering/README.md) | 探索 K-均值叢集分析法 | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau | | 16 | 自然語言處理簡介 ☕️ | [Natural language processing](6-NLP/README.md) | 通過建立一個簡單機器人學習自然語言處理基礎 | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen | | 17 | 常見的 NLP 任務 ☕️ | [Natural language processing](6-NLP/README.md) | 深入了解處理語言結構時所需的常見任務 | [Python](6-NLP/2-Tasks/README.md) | Stephen | | 18 | 翻譯與情感分析 ♥️ | [Natural language processing](6-NLP/README.md) | 使用珍·奧斯汀文本進行翻譯和情感分析 | [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1進行情感分析 | [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2進行情感分析 | [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) | 時間序列預測入門 | [Python](7-TimeSeries/1-Introduction/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 | ⚡️ 世界用電量 ⚡️ - 使用 SVR 進行時間序列預測 | [Time series](7-TimeSeries/README.md) | 使用支持向量回歸進行時間序列預測 | [Python](7-TimeSeries/3-SVR/README.md) | Anirban | | 24 | 強化學習入門 | [Reinforcement learning](8-Reinforcement/README.md) | Q-Learning 強化學習入門 | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry | | 25 | 幫彼得避開狼！🐺 | [Reinforcement learning](8-Reinforcement/README.md) | 強化學習 Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry | | Postscript | 真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真實世界應用 | [Lesson](9-Real-World/1-Applications/README.md) | Team | | Postscript | 使用 RAI 控制台進行機器學習模型除錯 | [ML in the Wild](9-Real-World/README.md) | 使用 Responsible AI 控制台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 收藏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) ## 離線使用 你可以使用 [Docsify](https://docsify.js.org/#/) 離線運行本文件。請 Fork 本倉庫，於你的本機安裝 [Docsify](https://docsify.js.org/#/quickstart)，然後在本倉庫根目錄輸入 `docsify serve`。網站將會在你的本地端的 3000 埠啟動：`localhost:3000`。 ## PDF 請在此處找到包含連結的課程綱要 pdf [here](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf)。 ## 🎒 其他課程 我們團隊還製作其他課程！歡迎瀏覽： ### 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) [![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 [![AZD for Beginners](https://img.shields.io/badge/AZD%20for%20Beginners-0078D4?style=for-the-badge&labelColor=E5E7EB&color=0078D4)](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst) [![Edge AI for Beginners](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst) [![MCP for Beginners](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst) [![AI Agents for Beginners](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) --- ### 生成式 AI 系列 [![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 (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) --- ### 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) [![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) [![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) [![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) [![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) [![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) [![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 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) [![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 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) ## 獲取幫助 如果你在學習機器學習或建立 AI 應用程式時遇到困難或有疑問，別擔心——幫助隨時可得。 你可以加入其他學習者與開發者的討論，提出問題，並與社群分享你的想法。 - 加入社群，與其他人一同提問和學習 - 討論機器學習的概念和專案想法 - 獲得經驗豐富開發者的指導 一個支持性的社群是提升技能與更快解決問題的好方法。 [Microsoft Foundry Discord Community](https://discord.gg/nTYy5BXMWG) 如果你發現錯誤、問題，或有建議改善的地方，也可以在本儲存庫中開啟 **Issue** 回報。 如需產品反饋或搜尋現有社群帖子，請訪問開發者論壇： [![Microsoft Foundry Developer Forum](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) ## 額外學習提示 - 每堂課後複習筆記本以加深理解。 - 自己練習實作演算法。 - 使用學到的概念探究真實世界的資料集。 --- **免責聲明**： 本文件由 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 所翻譯。儘管我們致力於確保準確性，請注意自動翻譯可能包含錯誤或不準確之處。原始語言版本的文件應被視為權威來源。對於重要資訊，建議採用專業人工翻譯。我們不對因使用本翻譯所產生的任何誤解或錯誤詮釋負責。