[](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/) ### 🌐 多言語対応 #### GitHub Actionによるサポート (自動更新 & 常に最新) [フランス語](../fr/README.md) | [スペイン語](../es/README.md) | [ドイツ語](../de/README.md) | [ロシア語](../ru/README.md) | [アラビア語](../ar/README.md) | [ペルシャ語 (ファルシ)](../fa/README.md) | [ウルドゥー語](../ur/README.md) | [中国語 (簡体字)](../zh/README.md) | [中国語 (繁体字, マカオ)](../mo/README.md) | [中国語 (繁体字, 香港)](../hk/README.md) | [中国語 (繁体字, 台湾)](../tw/README.md) | [日本語](./README.md) | [韓国語](../ko/README.md) | [ヒンディー語](../hi/README.md) | [ベンガル語](../bn/README.md) | [マラーティー語](../mr/README.md) | [ネパール語](../ne/README.md) | [パンジャブ語 (グルムキー)](../pa/README.md) | [ポルトガル語 (ポルトガル)](../pt/README.md) | [ポルトガル語 (ブラジル)](../br/README.md) | [イタリア語](../it/README.md) | [ポーランド語](../pl/README.md) | [トルコ語](../tr/README.md) | [ギリシャ語](../el/README.md) | [タイ語](../th/README.md) | [スウェーデン語](../sv/README.md) | [デンマーク語](../da/README.md) | [ノルウェー語](../no/README.md) | [フィンランド語](../fi/README.md) | [オランダ語](../nl/README.md) | [ヘブライ語](../he/README.md) | [ベトナム語](../vi/README.md) | [インドネシア語](../id/README.md) | [マレー語](../ms/README.md) | [タガログ語 (フィリピン)](../tl/README.md) | [スワヒリ語](../sw/README.md) | [ハンガリー語](../hu/README.md) | [チェコ語](../cs/README.md) | [スロバキア語](../sk/README.md) | [ルーマニア語](../ro/README.md) | [ブルガリア語](../bg/README.md) | [セルビア語 (キリル文字)](../sr/README.md) | [クロアチア語](../hr/README.md) | [スロベニア語](../sl/README.md) | [ウクライナ語](../uk/README.md) | [ビルマ語 (ミャンマー)](../my/README.md) #### コミュニティに参加しよう [](https://aka.ms/ml4beginners/discord) 現在、DiscordでAI学習シリーズを開催中です。詳細を確認し、2025年9月18日から30日までの[Learn with AI Series](https://aka.ms/learnwithai/discord)に参加してください。GitHub Copilotを活用したデータサイエンスのコツやテクニックを学べます。  # 初心者向け機械学習 - カリキュラム > 🌍 世界中を旅しながら、世界の文化を通じて機械学習を学びましょう 🌍 Microsoftのクラウドアドボケイトが提供する12週間、26レッスンのカリキュラムで、**機械学習**について学びましょう。このカリキュラムでは、主にScikit-learnライブラリを使用し、**クラシック機械学習**と呼ばれることもある手法を学びます。深層学習については、[AI for Beginnersのカリキュラム](https://aka.ms/ai4beginners)で扱っています。また、このレッスンを['Data Science for Beginners'カリキュラム](https://aka.ms/ds4beginners)と組み合わせて学ぶこともできます。 世界中のデータを使ってクラシックな手法を適用しながら、私たちと一緒に旅をしましょう。各レッスンには、事前・事後のクイズ、レッスンを完了するための書面による指示、解答、課題などが含まれています。プロジェクトベースの教育法により、学びながら構築することで、新しいスキルを定着させることができます。 **✍️ 著者の皆さんに感謝** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu, Amy Boyd **🎨 イラストレーターの皆さんにも感謝** Tomomi Imura, Dasani Madipalli, Jen Looper **🙏 特別な感謝 🙏 Microsoft Student Ambassadorの著者、レビュー担当者、コンテンツ提供者** Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, Snigdha Agarwal **🤩 Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, Vidushi GuptaによるRレッスンにも特別な感謝！** # 始め方 以下の手順に従ってください: 1. **リポジトリをフォークする**: このページの右上にある「Fork」ボタンをクリックしてください。 2. **リポジトリをクローンする**: `git clone https://github.com/microsoft/ML-For-Beginners.git` > [このコースの追加リソースはMicrosoft Learnコレクションで確認できます](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) **[学生の皆さん](https://aka.ms/student-page)**、このカリキュラムを使用するには、リポジトリ全体を自分のGitHubアカウントにフォークし、個人またはグループで演習を完了してください: - レクチャー前のクイズから始めましょう。 - レクチャーを読み、各知識チェックで一時停止して反省しながら活動を完了してください。 - レッスンを理解しながらプロジェクトを作成してみてください。ただし、解答コードは各プロジェクト指向レッスンの`/solution`フォルダーにあります。 - レクチャー後のクイズを受けてください。 - チャレンジを完了してください。 - 課題を完了してください。 - レッスングループを完了した後、[ディスカッションボード](https://github.com/microsoft/ML-For-Beginners/discussions)にアクセスし、適切なPATルーブリックを記入して「声に出して学びましょう」。PATは進捗評価ツールであり、学習をさらに進めるために記入するルーブリックです。他のPATに反応することで、共に学ぶことができます。 > さらに学びたい場合は、これらの[Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott)モジュールと学習パスをフォローすることをお勧めします。 **教師の皆さん**、このカリキュラムの使用方法について[いくつかの提案](for-teachers.md)を含めています。 --- ## ビデオウォークスルー 一部のレッスンは短い形式のビデオとして利用可能です。これらはレッスン内でインラインで見つけることができるほか、[Microsoft Developer YouTubeチャンネルのML for Beginnersプレイリスト](https://aka.ms/ml-beginners-videos)で画像をクリックして確認できます。 [](https://aka.ms/ml-beginners-videos) --- ## チーム紹介 [](https://youtu.be/Tj1XWrDSYJU) **Gif作成者** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) > 🎥 上の画像をクリックして、このプロジェクトと作成者についてのビデオをご覧ください！ --- ## 教育法 このカリキュラムを構築する際に、2つの教育的原則を選びました: **プロジェクトベース**であることと、**頻繁なクイズ**を含むことです。また、このカリキュラムには共通の**テーマ**があり、統一感を持たせています。 プロジェクトに合わせてコンテンツを整えることで、学生にとってより魅力的なプロセスとなり、概念の定着が促進されます。また、授業前の低リスククイズは、学生がトピックを学ぶ意図を設定し、授業後のクイズはさらに定着を促します。このカリキュラムは柔軟で楽しいものとして設計されており、全体または部分的に受講することができます。プロジェクトは小規模から始まり、12週間のサイクルの終わりには徐々に複雑になります。このカリキュラムには、機械学習の実世界での応用に関する後書きも含まれており、追加のクレジットとして使用したり、議論の基礎として使用することができます。 > [行動規範](CODE_OF_CONDUCT.md)、[貢献](CONTRIBUTING.md)、[翻訳](TRANSLATIONS.md)ガイドラインをご覧ください。建設的なフィードバックを歓迎します！ ## 各レッスンには以下が含まれます - オプションのスケッチノート - オプションの補足ビデオ - ビデオウォークスルー (一部のレッスンのみ) - [レクチャー前のウォームアップクイズ](https://ff-quizzes.netlify.app/en/ml/) - 書面によるレッスン - プロジェクトベースのレッスンの場合、プロジェクトの構築方法に関するステップバイステップガイド - 知識チェック - チャレンジ - 補足読書 - 課題 - [レクチャー後のクイズ](https://ff-quizzes.netlify.app/en/ml/) > **言語についての注意**: これらのレッスンは主にPythonで書かれていますが、多くはRでも利用可能です。Rレッスンを完了するには、`/solution`フォルダーに移動し、Rレッスンを探してください。これらには**R Markdown**ファイルを表す`.rmd`拡張子が含まれており、`コードチャンク` (Rや他の言語) と`YAMLヘッダー` (PDFなどの出力形式をガイドするもの) を`Markdownドキュメント`に埋め込んだものとして簡単に定義できます。このため、コード、出力、考えをMarkdownに記述することで、データサイエンスの優れた著作フレームワークとして機能します。さらに、R MarkdownドキュメントはPDF、HTML、Wordなどの出力形式にレンダリングできます。 > **クイズについての注意**: すべてのクイズは[Quiz Appフォルダー](../../quiz-app)に含まれており、合計52個のクイズが各3問ずつあります。これらはレッスン内からリンクされていますが、Quiz Appをローカルで実行することもできます。`quiz-app`フォルダー内の指示に従ってローカルでホストするか、Azureにデプロイしてください。 | レッスン番号 | トピック | レッスングループ | 学習目標 | リンクされたレッスン | 著者 | | :-----------: | :------------------------------------------------------------: | :-------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: | | 01 | 機械学習の概要 | [イントロダクション](1-Introduction/README.md) | 機械学習の基本概念を学ぶ | [レッスン](1-Introduction/1-intro-to-ML/README.md) | Muhammad | | 02 | 機械学習の歴史 | [イントロダクション](1-Introduction/README.md) | この分野の歴史を学ぶ | [レッスン](1-Introduction/2-history-of-ML/README.md) | JenとAmy | | 03 | 公平性と機械学習 | [Introduction](1-Introduction/README.md) | 学生がMLモデルを構築・適用する際に考慮すべき公平性に関する重要な哲学的問題とは？ | [Lesson](1-Introduction/3-fairness/README.md) | Tomomi | | 04 | 機械学習の技術 | [Introduction](1-Introduction/README.md) | ML研究者がMLモデルを構築する際に使用する技術とは？ | [Lesson](1-Introduction/4-techniques-of-ML/README.md) | Chris and Jen | | 05 | 回帰の入門 | [Regression](2-Regression/README.md) | PythonとScikit-learnを使った回帰モデルの基礎を学ぶ | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau | | 06 | 北米のカボチャ価格 🎃 | [Regression](2-Regression/README.md) | MLの準備としてデータを可視化し、クリーニングする | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau | | 07 | 北米のカボチャ価格 🎃 | [Regression](2-Regression/README.md) | 線形回帰モデルと多項式回帰モデルを構築する | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen and Dmitry • Eric Wanjau | | 08 | 北米のカボチャ価格 🎃 | [Regression](2-Regression/README.md) | ロジスティック回帰モデルを構築する | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau | | 09 | Webアプリ 🔌 | [Web App](3-Web-App/README.md) | 訓練済みモデルを使用するWebアプリを構築する | [Python](3-Web-App/1-Web-App/README.md) | Jen | | 10 | 分類の入門 | [Classification](4-Classification/README.md) | データをクリーニング、準備、可視化し、分類の基礎を学ぶ | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen and Cassie • Eric Wanjau | | 11 | 美味しいアジアとインド料理 🍜 | [Classification](4-Classification/README.md) | 分類器の基礎を学ぶ | [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 | 美味しいアジアとインド料理 🍜 | [Classification](4-Classification/README.md) | さらに多くの分類器を学ぶ | [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 | 美味しいアジアとインド料理 🍜 | [Classification](4-Classification/README.md) | モデルを使用して推薦Webアプリを構築する | [Python](4-Classification/4-Applied/README.md) | Jen | | 14 | クラスタリングの入門 | [Clustering](5-Clustering/README.md) | データをクリーニング、準備、可視化し、クラスタリングの基礎を学ぶ | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau | | 15 | ナイジェリアの音楽嗜好を探る 🎧 | [Clustering](5-Clustering/README.md) | K-Meansクラスタリング手法を探る | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau | | 16 | 自然言語処理の入門 ☕️ | [Natural language processing](6-NLP/README.md) | 簡単なボットを構築してNLPの基礎を学ぶ | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen | | 17 | 一般的なNLPタスク ☕️ | [Natural language processing](6-NLP/README.md) | 言語構造を扱う際に必要な一般的なタスクを理解してNLPの知識を深める | [Python](6-NLP/2-Tasks/README.md) | Stephen | | 18 | 翻訳と感情分析 ♥️ | [Natural language processing](6-NLP/README.md) | ジェーン・オースティンを使った翻訳と感情分析 | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen | | 19 | ヨーロッパのロマンチックなホテル ♥️ | [Natural language processing](6-NLP/README.md) | ホテルレビューを使った感情分析 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen | | 20 | ヨーロッパのロマンチックなホテル ♥️ | [Natural language processing](6-NLP/README.md) | ホテルレビューを使った感情分析 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen | | 21 | 時系列予測の入門 | [Time series](7-TimeSeries/README.md) | 時系列予測の基礎を学ぶ | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca | | 22 | ⚡️ 世界の電力使用 ⚡️ - ARIMAによる時系列予測 | [Time series](7-TimeSeries/README.md) | ARIMAを使った時系列予測 | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca | | 23 | ⚡️ 世界の電力使用 ⚡️ - SVRによる時系列予測 | [Time series](7-TimeSeries/README.md) | サポートベクター回帰を使った時系列予測 | [Python](7-TimeSeries/3-SVR/README.md) | Anirban | | 24 | 強化学習の入門 | [Reinforcement learning](8-Reinforcement/README.md) | Q-Learningを使った強化学習の基礎を学ぶ | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry | | 25 | ピーターをオオカミから守ろう！🐺 | [Reinforcement learning](8-Reinforcement/README.md) | 強化学習Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry | | Postscript | 実世界のMLシナリオと応用 | [ML in the Wild](9-Real-World/README.md) | 古典的なMLの興味深く示唆に富む実世界の応用 | [Lesson](9-Real-World/1-Applications/README.md) | Team | | Postscript | RAIダッシュボードを使ったMLモデルのデバッグ | [ML in the Wild](9-Real-World/README.md) | 責任あるAIダッシュボードコンポーネントを使用した機械学習モデルのデバッグ | [Lesson](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu | > [このコースの追加リソースはMicrosoft Learnコレクションで見つけることができます](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) ## オフラインアクセス このドキュメントをオフラインで実行するには、[Docsify](https://docsify.js.org/#/)を使用します。このリポジトリをフォークし、[Docsifyをインストール](https://docsify.js.org/#/quickstart)してローカルマシンにセットアップします。その後、このリポジトリのルートフォルダで`docsify serve`と入力してください。ウェブサイトはローカルホストのポート3000で提供されます: `localhost:3000`. ## PDF リンク付きのカリキュラムPDFは[こちら](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf)で見つけることができます。 ## 🎒 その他のコース 私たちのチームは他にもコースを提供しています！以下をチェックしてください: - [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) ## ヘルプを得る AIアプリの構築で行き詰まったり質問がある場合は、以下に参加してください: [](https://aka.ms/foundry/discord) 製品のフィードバックや構築中のエラーがある場合は以下を訪問してください: [](https://aka.ms/foundry/forum) --- **免責事項**: この文書は、AI翻訳サービス [Co-op Translator](https://github.com/Azure/co-op-translator) を使用して翻訳されています。正確性を追求しておりますが、自動翻訳には誤りや不正確な部分が含まれる可能性があります。元の言語で記載された文書を正式な情報源としてお考えください。重要な情報については、専門の人間による翻訳を推奨します。この翻訳の使用に起因する誤解や誤解について、当方は責任を負いません。