[](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（自動化且持續更新） [Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh/README.md) | [Chinese (Traditional, Hong Kong)](../hk/README.md) | [Chinese (Traditional, Macau)](./README.md) | [Chinese (Traditional, Taiwan)](../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)](../br/README.md) | [Portuguese (Portugal)](../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) #### 加入我們的社群 [](https://discord.gg/nTYy5BXMWG) 我們正在進行 Discord AI 學習系列，了解更多並於 2025 年 9 月 18 日至 30 日加入我們，請至 [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。  # 初學者機器學習課程 > 🌍 透過世界文化環遊世界，一同探索機器學習 🌍 微軟的雲端推廣團隊很高興提供一個為期 12 週、共 26 課的 **機器學習** 課程。在此課程中，你將學習有時稱為 **經典機器學習** 的內容，主要使用 Scikit-learn 函式庫，並避免深度學習，深度學習則包含在我們的 [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，將這些經典技術應用於來自世界各地的資料。每堂課包含課前與課後小測驗、書面教學、解答、作業等。我們以專案為基礎的教學法讓你在實作中學習，是新技能扎根的有效方式。 **✍️ 衷心感謝我們的作者** Jen Looper、Stephen Howell、Francesca Lazzeri、Tomomi Imura、Cassie Breviu、Dmitry Soshnikov、Chris Noring、Anirban Mukherjee、Ornella Altunyan、Ruth Yakubu 與 Amy Boyd **🎨 也感謝我們的插畫師** Tomomi Imura、Dasani Madipalli 與 Jen Looper **🙏 特別感謝 🙏 微軟學生大使作者、審稿人與內容貢獻者**，特別是 Rishit Dagli、Muhammad Sakib Khan Inan、Rohan Raj、Alexandru Petrescu、Abhishek Jaiswal、Nawrin Tabassum、Ioan Samuila 與 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！** # 開始使用 請依照以下步驟： 1. **Fork 此儲存庫**：點擊本頁右上角的「Fork」按鈕。 2. **Clone 此儲存庫**： `git clone https://github.com/microsoft/ML-For-Beginners.git` > [在我們的 Microsoft Learn 集合中找到本課程的所有額外資源](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) > 🔧 **需要幫助？** 請查看我們的 [疑難排解指南](TROUBLESHOOTING.md)，解決安裝、設定及執行課程時的常見問題。 **[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，並自行或與團隊完成練習： - 從課前小測驗開始。 - 閱讀課程並完成活動，每個知識檢查時暫停並反思。 - 嘗試理解課程內容並自行建立專案，而非直接執行解答程式碼；不過解答程式碼可在每個專案導向課程的 `/solution` 資料夾中找到。 - 進行課後小測驗。 - 完成挑戰。 - 完成作業。 - 完成一組課程後，請造訪 [討論區](https://github.com/microsoft/ML-For-Beginners/discussions) 並透過填寫相應的 PAT 評分表「大聲學習」。PAT 是一種進度評估工具，透過填寫評分表促進學習。你也可以對其他人的 PAT 作出回應，讓我們一起學習。 > 若要進一步學習，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) 模組與學習路徑。 **教師**，我們已在 [for-teachers.md](for-teachers.md) 中提供一些使用此課程的建議。 --- ## 影片導覽 部分課程有短片形式的教學影片。你可以在課程中內嵌觀看，或在 [Microsoft Developer YouTube 頻道的 ML for Beginners 播放清單](https://aka.ms/ml-beginners-videos) 中觀看，點擊下方圖片即可。 [](https://aka.ms/ml-beginners-videos) --- ## 團隊介紹 [](https://youtu.be/Tj1XWrDSYJU) **Gif 製作者** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) > 🎥 點擊上方圖片觀看關於此專案及其創作者的影片！ --- ## 教學法 我們在設計此課程時選擇了兩個教學原則：確保它是動手做的 **專案導向**，並包含 **頻繁的小測驗**。此外，課程有一個共同的 **主題** 以增強連貫性。 確保內容與專案對齊，讓學生更投入學習，並加強概念的記憶。課前低壓力小測驗設定學生學習主題的意圖，課後小測驗則促進進一步記憶。此課程設計靈活且有趣，可整體或部分學習。專案從簡單開始，至 12 週結束時逐漸複雜。課程還包含機器學習在現實世界應用的後記，可作為額外學分或討論基礎。 > 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) 及 [疑難排解](TROUBLESHOOTING.md) 指南。我們歡迎你的建設性回饋！ ## 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 - 專案導向課程的逐步專案建置指南 - 知識檢查 - 挑戰 - 補充閱讀 - 作業 - [課後小測驗](https://ff-quizzes.netlify.app/en/ml/) > **關於語言的說明**：這些課程主要以 Python 撰寫，但許多也有 R 版本。要完成 R 課程，請前往 `/solution` 資料夾尋找 R 課程。它們包含 .rmd 副檔名，代表 **R Markdown** 檔案，簡單來說是將 `程式碼區塊`（R 或其他語言）與 `YAML 標頭`（指示如何格式化輸出，如 PDF）嵌入 `Markdown 文件`。因此，它是資料科學的優秀撰寫框架，允許你結合程式碼、輸出與想法，並以 Markdown 撰寫。此外，R Markdown 文件可輸出為 PDF、HTML 或 Word 等格式。 > **關於小測驗的說明**：所有小測驗皆包含在 [Quiz App 資料夾](../../quiz-app) 中，共 52 個小測驗，每個有三題。它們在課程中有連結，但也可在本地執行；請依照 `quiz-app` 資料夾中的說明在本地架設或部署至 Azure。 | Lesson Number | Topic | Lesson Grouping | Learning Objectives | Linked Lesson | Author | | :-----------: | :------------------------------------------------------------: | :-------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: | | 01 | 機器學習簡介 | [Introduction](1-Introduction/README.md) | 學習機器學習背後的基本概念 | [Lesson](1-Introduction/1-intro-to-ML/README.md) | Muhammad | | 02 | 機器學習的歷史 | [Introduction](1-Introduction/README.md) | 學習此領域的歷史 | [Lesson](1-Introduction/2-history-of-ML/README.md) | Jen and Amy | | 03 | 公平性與機器學習 | [Introduction](1-Introduction/README.md) | 學生在建立和應用機器學習模型時，應考慮哪些關於公平性的重要哲學議題？ | [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 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 | 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 | 分類簡介 | [Classification](4-Classification/README.md) | 清理、準備和視覺化你的數據；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 | 美味的亞洲和印度菜餚 🍜 | [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 | 美味的亞洲和印度菜餚 🍜 | [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 | 美味的亞洲和印度菜餚 🍜 | [Classification](4-Classification/README.md) | 使用你的模型建立推薦網頁應用 | [Python](4-Classification/4-Applied/README.md) | Jen | | 14 | 聚類簡介 | [Clustering](5-Clustering/README.md) | 清理、準備和視覺化你的數據；聚類入門 | [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 ☕️ | [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 NLP 任務 ☕️ | [Natural language processing](6-NLP/README.md) | 透過了解處理語言結構時所需的常見任務，加深你的 NLP 知識 | [Python](6-NLP/2-Tasks/README.md) | Stephen | | 18 | 翻譯與情感分析 ♥️ | [Natural language processing](6-NLP/README.md) | 使用珍·奧斯汀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 ♥️ | [Natural language processing](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 ♥️ | [Natural language processing](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 | [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 的時間序列預測 | [Time series](7-TimeSeries/README.md) | 使用 ARIMA 進行時間序列預測 | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca | | 23 | ⚡️ 世界用電量 ⚡️ - 使用 SVR 的時間序列預測 | [Time series](7-TimeSeries/README.md) | 使用支持向量回歸進行時間序列預測 | [Python](7-TimeSeries/3-SVR/README.md) | Anirban | | 24 | 強化學習簡介 | [Reinforcement learning](8-Reinforcement/README.md) | 使用 Q-Learning 進行強化學習入門 | [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 | | 後記 | 真實世界的機器學習場景與應用 | [ML in the Wild](9-Real-World/README.md) | 傳統機器學習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 集合中找到此課程的所有額外資源](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) ## 離線存取 你可以使用 [Docsify](https://docsify.js.org/#/) 離線運行此文件。分叉此倉庫，在你的本地機器上[安裝 Docsify](https://docsify.js.org/#/quickstart)，然後在此倉庫的根目錄中輸入 `docsify serve`。網站將在本地主機的 3000 端口提供服務：`localhost:3000`。 ## PDF 在[這裡](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf)找到帶有連結的課程 PDF。 ## 🎒 其他課程 我們團隊還製作其他課程！請查看： ### LangChain [](https://aka.ms/langchain4j-for-beginners) [](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin) --- ### Azure / Edge / MCP / Agents [](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst) [](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst) [](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst) [](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) --- ### 生成式 AI 系列 [](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst) [-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst) [-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst) [-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 [](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst) [](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst) [](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst) [](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung) [](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst) [](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst) [](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst) --- ### Copilot 系列 [](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst) [](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst) [](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst) ## 尋求協助 如果你遇到困難或對建立 AI 應用程式有任何疑問，歡迎加入其他學習者及經驗豐富的開發者，一同參與 MCP 的討論。這是一個支持性的社群，歡迎提問並自由分享知識。 [](https://discord.gg/nTYy5BXMWG) 如果你在開發過程中有產品反饋或錯誤，請造訪： [](https://aka.ms/foundry/forum) --- **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。雖然我哋致力於確保準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件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。我哋對因使用本翻譯而引致之任何誤解或誤釋概不負責。