[](https://github.com/microsoft/ML-For-Beginners/blob/master/LICENSE) [](https://GitHub.com/microsoft/ML-For-Beginners/graphs/contributors/) [](https://GitHub.com/microsoft/ML-For-Beginners/issues/) [](https://GitHub.com/microsoft/ML-For-Beginners/pulls/) [](http://makeapullrequest.com) [](https://GitHub.com/microsoft/ML-For-Beginners/watchers/) [](https://GitHub.com/microsoft/ML-For-Beginners/network/) [](https://GitHub.com/microsoft/ML-For-Beginners/stargazers/) ### 🌐 多語言支援 #### 透過 GitHub Action 支援（自動化且保持最新） [法文](../fr/README.md) | [西班牙文](../es/README.md) | [德文](../de/README.md) | [俄文](../ru/README.md) | [阿拉伯文](../ar/README.md) | [波斯文（法爾西）](../fa/README.md) | [烏爾都文](../ur/README.md) | [中文（簡體）](../zh/README.md) | [中文（繁體，澳門）](./README.md) | [中文（繁體，香港）](../hk/README.md) | [中文（繁體，台灣）](../tw/README.md) | [日文](../ja/README.md) | [韓文](../ko/README.md) | [印地文](../hi/README.md) | [孟加拉文](../bn/README.md) | [馬拉地文](../mr/README.md) | [尼泊爾文](../ne/README.md) | [旁遮普文（古木基文）](../pa/README.md) | [葡萄牙文（葡萄牙）](../pt/README.md) | [葡萄牙文（巴西）](../br/README.md) | [義大利文](../it/README.md) | [波蘭文](../pl/README.md) | [土耳其文](../tr/README.md) | [希臘文](../el/README.md) | [泰文](../th/README.md) | [瑞典文](../sv/README.md) | [丹麥文](../da/README.md) | [挪威文](../no/README.md) | [芬蘭文](../fi/README.md) | [荷蘭文](../nl/README.md) | [希伯來文](../he/README.md) | [越南文](../vi/README.md) | [印尼文](../id/README.md) | [馬來文](../ms/README.md) | [塔加洛文（菲律賓文）](../tl/README.md) | [斯瓦希里文](../sw/README.md) | [匈牙利文](../hu/README.md) | [捷克文](../cs/README.md) | [斯洛伐克文](../sk/README.md) | [羅馬尼亞文](../ro/README.md) | [保加利亞文](../bg/README.md) | [塞爾維亞文（西里爾文）](../sr/README.md) | [克羅埃西亞文](../hr/README.md) | [斯洛維尼亞文](../sl/README.md) | [烏克蘭文](../uk/README.md) | [緬甸文（緬文）](../my/README.md) #### 加入我們的社群 [](https://aka.ms/ml4beginners/discord) 我們正在進行一個 Discord 的 AI 學習系列，了解更多並加入我們的 [AI 學習系列](https://aka.ms/learnwithai/discord)，活動時間為 2025 年 9 月 18 日至 30 日。您將學到使用 GitHub Copilot 進行數據科學的技巧和方法。  # 初學者的機器學習課程 > 🌍 隨著我們探索世界文化，環遊世界學習機器學習 🌍 Microsoft 的雲端倡導者很高興提供一個為期 12 週、共 26 節課的課程，內容全是關於 **機器學習**。在這個課程中，您將學習有時被稱為 **經典機器學習** 的技術，主要使用 Scikit-learn 作為庫，並避免深度學習（深度學習在我們的 [AI 初學者課程](https://aka.ms/ai4beginners) 中涵蓋）。您也可以將這些課程與我們的 ['數據科學初學者課程'](https://aka.ms/ds4beginners) 搭配使用！ 跟隨我們環遊世界，將這些經典技術應用於來自世界各地的數據。每節課都包括課前和課後測驗、完成課程的書面指導、解決方案、作業等。我們的基於項目的教學法讓您在建設中學習，這是一種能讓新技能更牢固的有效方法。 **✍️ 衷心感謝我們的作者** Jen Looper、Stephen Howell、Francesca Lazzeri、Tomomi Imura、Cassie Breviu、Dmitry Soshnikov、Chris Noring、Anirban Mukherjee、Ornella Altunyan、Ruth Yakubu 和 Amy Boyd **🎨 同樣感謝我們的插畫師** Tomomi Imura、Dasani Madipalli 和 Jen Looper **🙏 特別感謝 🙏 我們的 Microsoft 學生大使作者、審稿人和內容貢獻者**，尤其是 Rishit Dagli、Muhammad Sakib Khan Inan、Rohan Raj、Alexandru Petrescu、Abhishek Jaiswal、Nawrin Tabassum、Ioan Samuila 和 Snigdha Agarwal **🤩 額外感謝 Microsoft 學生大使 Eric Wanjau、Jasleen Sondhi 和 Vidushi Gupta 為我們的 R 課程做出的貢獻！** # 開始使用 請按照以下步驟： 1. **Fork 此儲存庫**：點擊此頁面右上角的 "Fork" 按鈕。 2. **Clone 此儲存庫**：`git clone https://github.com/microsoft/ML-For-Beginners.git` > [在 Microsoft Learn 集合中找到此課程的所有額外資源](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) **[學生](https://aka.ms/student-page)**，要使用此課程，請將整個儲存庫 fork 到您的 GitHub 帳戶，並自行或與小組一起完成練習： - 從課前測驗開始。 - 閱讀課程並完成活動，在每次知識檢查時停下來反思。 - 嘗試通過理解課程來創建項目，而不是直接運行解決方案代碼；不過，解決方案代碼可在每個基於項目的課程的 `/solution` 資料夾中找到。 - 完成課後測驗。 - 完成挑戰。 - 完成作業。 - 完成一組課程後，訪問 [討論板](https://github.com/microsoft/ML-For-Beginners/discussions)，通過填寫適當的 PAT 評分表來 "大聲學習"。PAT 是一種進度評估工具，您可以填寫評分表以進一步學習。您也可以對其他 PAT 進行回應，讓我們一起學習。 > 為了進一步學習，我們建議您參考這些 [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。 **教師們**，我們提供了一些 [建議](for-teachers.md) 供您使用此課程。 --- ## 影片教學 部分課程提供短片形式的教學。您可以在課程中找到這些影片，或點擊下方圖片前往 [Microsoft Developer YouTube 頻道的 ML 初學者播放列表](https://aka.ms/ml-beginners-videos)。 [](https://aka.ms/ml-beginners-videos) --- ## 認識團隊 [](https://youtu.be/Tj1XWrDSYJU) **Gif 作者** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) > 🎥 點擊上方圖片觀看關於此項目及創作者的影片！ --- ## 教學法 我們在設計此課程時選擇了兩個教學原則：確保它是 **基於項目** 的實作課程，並且包含 **頻繁的測驗**。此外，此課程還有一個共同的 **主題**，使其更具一致性。 通過確保內容與項目相符，學習過程對學生來說更具吸引力，並能增強概念的記憶。此外，課前的低壓測驗能讓學生專注於學習主題，而課後的第二次測驗則能進一步加強記憶。此課程設計靈活有趣，可以完整學習或部分學習。項目從小型開始，並在 12 週的周期內逐漸變得更複雜。此課程還包括一個關於機器學習實際應用的附錄，可用作額外學分或討論的基礎。 > 查看我們的 [行為準則](CODE_OF_CONDUCT.md)、[貢獻指南](CONTRIBUTING.md) 和 [翻譯指南](TRANSLATIONS.md)。我們歡迎您的建設性反饋！ ## 每節課包括 - 可選的手繪筆記 - 可選的補充影片 - 影片教學（僅部分課程） - [課前暖身測驗](https://ff-quizzes.netlify.app/en/ml/) - 書面課程 - 對於基於項目的課程，提供逐步指南以完成項目 - 知識檢查 - 挑戰 - 補充閱讀 - 作業 - [課後測驗](https://ff-quizzes.netlify.app/en/ml/) > **關於語言的說明**：這些課程主要使用 Python，但許多課程也提供 R。要完成 R 課程，請前往 `/solution` 資料夾並尋找 R 課程。這些課程包含 `.rmd` 擴展名，代表 **R Markdown** 文件，可簡單定義為在 `Markdown 文件` 中嵌入 `代碼塊`（R 或其他語言）和 `YAML 標頭`（指導如何格式化輸出，例如 PDF）。因此，它是一個出色的數據科學創作框架，因為它允許您將代碼、輸出和想法結合在一起，並以 Markdown 的形式記錄下來。此外，R Markdown 文件可以渲染為 PDF、HTML 或 Word 等輸出格式。 > **關於測驗的說明**：所有測驗都包含在 [測驗應用資料夾](../../quiz-app) 中，共有 52 個測驗，每個測驗包含三個問題。測驗在課程中有連結，但測驗應用可以在本地運行；請按照 `quiz-app` 資料夾中的指示在本地主機或部署到 Azure。 | 課程編號 | 主題 | 課程分組 | 學習目標 | 連結課程 | 作者 | | :-----------: | :------------------------------------------------------------: | :-------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: | | 01 | 機器學習簡介 | [簡介](1-Introduction/README.md) | 學習機器學習的基本概念 | [課程](1-Introduction/1-intro-to-ML/README.md) | Muhammad | | 02 | 機器學習的歷史 | [簡介](1-Introduction/README.md) | 學習這個領域的歷史背景 | [課程](1-Introduction/2-history-of-ML/README.md) | Jen 和 Amy | | 03 | 公平性與機器學習 | [簡介](1-Introduction/README.md) | 學生在建立和應用機器學習模型時，應考慮哪些重要的哲學問題？ | [課程](1-Introduction/3-fairness/README.md) | Tomomi | | 04 | 機器學習技術 | [簡介](1-Introduction/README.md) | 機器學習研究人員使用哪些技術來建立機器學習模型？ | [課程](1-Introduction/4-techniques-of-ML/README.md) | Chris 和 Jen | | 05 | 回歸簡介 | [回歸](2-Regression/README.md) | 使用 Python 和 Scikit-learn 開始建立回歸模型 | [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 🎃 | [回歸](2-Regression/README.md) | 視覺化並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 🎃 | [回歸](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 和 Dmitry • Eric Wanjau | | 08 | 北美南瓜價格 🎃 | [回歸](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 🔌 | [網頁應用](3-Web-App/README.md) | 建立一個網頁應用以使用您的訓練模型 | [Python](3-Web-App/1-Web-App/README.md) | Jen | | 10 | 分類簡介 | [分類](4-Classification/README.md) | 清理、準備並視覺化您的數據；分類簡介 | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen 和 Cassie • Eric Wanjau | | 11 | 美味的亞洲和印度料理 🍜 | [分類](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 和 Cassie • Eric Wanjau | | 12 | 美味的亞洲和印度料理 🍜 | [分類](4-Classification/README.md) | 更多分類器 | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen 和 Cassie • Eric Wanjau | | 13 | 美味的亞洲和印度料理 🍜 | [分類](4-Classification/README.md) | 使用您的模型建立推薦系統網頁應用 | [Python](4-Classification/4-Applied/README.md) | Jen | | 14 | 聚類簡介 | [聚類](5-Clustering/README.md) | 清理、準備並視覺化您的數據；聚類簡介 | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau | | 15 | 探索尼日利亞的音樂喜好 🎧 | [聚類](5-Clustering/README.md) | 探索 K-Means 聚類方法 | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau | | 16 | 自然語言處理簡介 ☕️ | [自然語言處理](6-NLP/README.md) | 通過建立簡單的機器人學習 NLP 的基礎知識 | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen | | 17 | 常見 NLP 任務 ☕️ | [自然語言處理](6-NLP/README.md) | 通過理解處理語言結構時所需的常見任務來加深 NLP 知識 | [Python](6-NLP/2-Tasks/README.md) | Stephen | | 18 | 翻譯與情感分析 ♥️ | [自然語言處理](6-NLP/README.md) | 使用 Jane Austen 的作品進行翻譯與情感分析 | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen | | 19 | 歐洲浪漫酒店 ♥️ | [自然語言處理](6-NLP/README.md) | 使用酒店評論進行情感分析 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen | | 20 | 歐洲浪漫酒店 ♥️ | [自然語言處理](6-NLP/README.md) | 使用酒店評論進行情感分析 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen | | 21 | 時間序列預測簡介 | [時間序列](7-TimeSeries/README.md) | 時間序列預測簡介 | [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 | [時間序列](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 | [時間序列](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 | 強化學習簡介 | [強化學習](8-Reinforcement/README.md) | 使用 Q-Learning 進行強化學習簡介 | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry | | 25 | 幫助 Peter 避開狼 🐺 | [強化學習](8-Reinforcement/README.md) | 強化學習 Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry | | 後記 | 真實世界的機器學習場景與應用 | [真實世界的機器學習](9-Real-World/README.md) | 有趣且揭示性的經典機器學習真實世界應用 | [課程](9-Real-World/1-Applications/README.md) | 團隊 | | 後記 | 使用 RAI 儀表板進行機器學習模型調試 | [真實世界的機器學習](9-Real-World/README.md) | 使用負責任 AI 儀表板組件進行機器學習模型調試 | [課程](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu | > [在我們的 Microsoft Learn 集合中找到本課程的所有額外資源](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) ## 離線訪問 您可以使用 [Docsify](https://docsify.js.org/#/) 離線運行此文檔。Fork 此 repo，並在本地機器上 [安裝 Docsify](https://docsify.js.org/#/quickstart)，然後在此 repo 的根文件夾中輸入 `docsify serve`。網站將在您的本地主機的 3000 端口上提供服務：`localhost:3000`。 ## PDF 在 [此處](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf) 找到帶有鏈接的課程 PDF。 ## 🎒 其他課程 我們的團隊還製作其他課程！查看以下內容： - [Edge AI for Beginners](https://aka.ms/edgeai-for-beginners) - [AI Agents for Beginners](https://aka.ms/ai-agents-beginners) - [Generative AI for Beginners](https://aka.ms/genai-beginners) - [Generative AI for Beginners .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet) - [Generative AI with JavaScript](https://github.com/microsoft/generative-ai-with-javascript) - [Generative AI with Java](https://github.com/microsoft/Generative-AI-for-beginners-java) - [AI for Beginners](https://aka.ms/ai-beginners) - [Data Science for Beginners](https://aka.ms/datascience-beginners) - [ML for Beginners](https://aka.ms/ml-beginners) - [Cybersecurity for Beginners](https://github.com/microsoft/Security-101) - [Web Dev for Beginners](https://aka.ms/webdev-beginners) - [IoT for Beginners](https://aka.ms/iot-beginners) - [XR Development for Beginners](https://github.com/microsoft/xr-development-for-beginners) - [Mastering GitHub Copilot for Paired Programming](https://github.com/microsoft/Mastering-GitHub-Copilot-for-Paired-Programming) - [Mastering GitHub Copilot for C#/.NET Developers](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers) - [Choose Your Own Copilot Adventure](https://github.com/microsoft/CopilotAdventures) --- **免責聲明**： 本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。