[![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（自動化及持續更新） [阿拉伯文](../ar/README.md) | [孟加拉文](../bn/README.md) | [保加利亞文](../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，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) | [印尼文](../id/README.md) | [意大利文](../it/README.md) | [日文](../ja/README.md) | [卡納達文](../kn/README.md) | [高棉文](../km/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) | [尼日利亞皮欽語](../pcm/README.md) | [挪威文](../no/README.md) | [波斯文（法爾西語）](../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（古魯穆奇文）](../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) | [他加祿文（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) > **想本地 Clone？** > > 本倉庫包含50多種語言的翻譯，顯著增加下載大小。若想不包含翻譯內容進行 clone，請使用稀疏檢出（sparse checkout）： > > **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" > ``` > > 這樣你只會下載完成課程所需的內容，速度更快。 #### 加入我們的社群 [![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，歡迎於2025年9月18日至30日來了解並加入[Learn with AI Series](https://aka.ms/learnwithai/discord)。你將學到使用 GitHub Copilot 進行資料科學的技巧與秘訣。 ![Learn with AI series](../../translated_images/zh-MO/3.9b58fd8d6c373c20.webp) # 初學者機器學習課程 > 🌍 跟我們一起環遊世界，以世界各地文化探索機器學習 🌍 微軟的雲端推廣員很高興提供為期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，避免深度學習，後者在我們的[AI for Beginners 課程](https://aka.ms/ai4beginners)中介紹。也可搭配我們的[數據科學初學者課程](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來自世界各地的資料。每課包含課前及課後小測驗、完成課程的書面說明、解答、作業等。專案導向的教學方式讓你邊做邊學，是新技能牢固吸收的有效方法。 **✍️ 衷心感謝作者團隊** Jen Looper、Stephen Howell、Francesca Lazzeri、Tomomi Imura、Cassie Breviu、Dmitry Soshnikov、Chris Noring、Anirban Mukherjee、Ornella Altunyan、Ruth Yakubu 與 Amy Boyd **🎨 感謝插畫者** Tomomi Imura、Dasani Madipalli 和 Jen Looper **🙏 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 與 Snigdha Agarwal **🤩 額外感謝微軟學生大使 Eric Wanjau、Jasleen Sondhi 和 Vidushi Gupta 協助我們的 R 課程！** # 開始使用 請依照下列步驟操作： 1. **Fork 此倉庫**：點擊本頁右上方的「Fork」按鈕。 2. **Clone 倉庫**： `git clone https://github.com/microsoft/ML-For-Beginners.git` > 💡 **快速開始建議：** 想在瀏覽器直接開始，不想在本地設定 Python 環境？使用 [GitHub Codespaces](https://github.com/features/codespaces) 為你自己的 fork 建立雲端開發環境。打開綠色 **Code** 選單，選擇 **Codespaces**，建立新的 codespace；依需要在其中安裝各課程所需的依賴套件。 > [本站課程的更多資源請見 Microsoft Learn 彙整](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) > 🔧 **需要協助？** 查看我們的[疑難排解指南](TROUBLESHOOTING.md)，解決安裝、設定與執行課程時常見的問題。 **[學生](https://aka.ms/student-page)** ，使用這課程的方式是 fork 完整倉庫到你的 GitHub 帳號，獨立或小組完成練習： - 先完成課前小測驗。 - 閱讀課程內容並完成活動，每個知識檢測點暫停並思考。 - 嘗試自己完成專案，不要照抄解答程式碼；但解答程式碼會放在每個專案導向課程的 `/solution` 資料夾。 - 完成課後小測驗。 - 挑戰任務。 - 作業。 - 完成一組課程後，請到[討論區](https://github.com/microsoft/ML-For-Beginners/discussions)「大聲學習」（learn out loud），填寫對應的 PAT 評量表。PAT 是進度評估工具，透過填寫可以促進學習。也可以對別人的 PAT 評價，大家一同進步。 > 若要進一步學習，推薦使用這些 [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[提供了一些建議](for-teachers.md)說明如何運用此課程。 --- ## 影片教學 部分課程提供短片教學。這些影片可在課程中直接觀看，或在[微軟開發者 YouTube 頻道的 ML for Beginners 播放清單](https://aka.ms/ml-beginners-videos)中找到，點擊下方圖片即可。 [![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 [![推廣影片](../../images/ml.gif)](https://youtu.be/Tj1XWrDSYJU) **GIF 由** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) > 🎥 點擊上方圖片觀看關於本專案及創建團隊的影片！ --- ## 教學法 本課程設計遵循兩大教學原則：確保為動手實作的專案導向與包含頻繁小測驗。此外，課程有統一主題以增強連貫性。 透過專案配合內容，讓學生更投入學習並強化概念記憶。課前低風險小測激發學生學習意圖，課後測驗則深化記憶。本課程靈活且有趣，可完整學完或部分學習。專案由淺入深，隨著12週進度逐漸加深。課程也包含機器學習實務的後記，可作為額外學分或討論基礎。 > 查閱我們的[行為準則](CODE_OF_CONDUCT.md)、[貢獻指南](CONTRIBUTING.md)、[翻譯指南](..)及[疑難排解](TROUBLESHOOTING.md)。歡迎你的建設性回饋！ ## 每堂課包含 - 可選的手繪筆記 - 可選的補充影片 - 影片教學（部分課程） - [課前熱身小測](https://ff-quizzes.netlify.app/en/ml/) - 書面課程內容 - 專案導向課程的專案製作步驟指南 - 知識檢測 - 挑戰任務 - 補充閱讀 - 作業 - [課後小測](https://ff-quizzes.netlify.app/en/ml/) > 關於語言說明：這些課程主要使用 Python 撰寫，但很多也提供 R 版本。完成 R 課程請至 `/solution` 資料夾尋找 R 課程檔案，其具備 .rmd 副檔名，是一種 **R Markdown** 文件，整合了 `code chunks`（R 或其他語言程式碼）與 `YAML header`（指導輸出格式如 PDF）於 `Markdown` 文件內。此格式非常適合資料科學著作，能讓你結合程式碼、輸出結果及心得並用 Markdown 撰寫。R Markdown 可輸出 PDF、HTML 或 Word 格式。 > 關於小測說明：52 堂課共設 52 個小測，每個三題，全部集中於[Quiz App 資料夾](../../quiz-app)。小測可連結於課程中，亦可於本地執行，詳見 `quiz-app` 資料夾的指示，支援本地架設或部署至 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 | [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) | 學習該領域背後的歷史 | [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) | 在建立與應用機器學習模型時，學生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 | 機器學習的技術 | [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 | 回歸簡介 | [Regression](2-Regression/README.md) | 開始使用 Python 和 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 | | 06 | 北美南瓜價格 🎃 | [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 | 美味的亞洲及印度料理 🍜 | [Classification](4-Classification/README.md) | 分類器導論 | [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) | 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、準備並視覺化你的資料；聚類導論 | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau | | 15 | 探索奈及利亞音樂喜好 🎧 | [Clustering](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 ☕️ | [Natural language processing](6-NLP/README.md) | 通過建立簡單機械人來學習 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) | 通過理解處理語言結構時所需的常見任務來深化你的 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 Jane Austen 的翻譯及情感分析 | [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 | | 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 | | 21 | 時間序列預測簡介 | [Time series](7-TimeSeries/README.md) | 時間序列預測導論 | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca | | 22 | ⚡️ 世界電力使用量 ⚡️ - 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 | ⚡️ 世界電力使用量 ⚡️ - 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 的強化學習導論 | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry | | 25 | 幫彼得避免狼！🐺 | [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) | 傳統機器學習在真實世界中的有趣且發人深省的應用 | [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調試 | [ML in the Wild](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 | [Lesson](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu | > [在我們的 Microsoft Learn 收藏裡找到這門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/#/) 離線執行本文件。分叉此倉庫，在本地機器上 [安裝 Docsify](https://docsify.js.org/#/quickstart)，然後在此倉庫的根目錄輸入 `docsify serve`。網站將會在本地主機的 3000 埠埠服務：`localhost:3000`。 ## PDF 文件 可在 [這裡](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf) 下載課程大綱的 PDF 文件附帶連結。 ## 🎒 其他課程 我們團隊還有製作其他課程！歡迎查看： ### LangChain [![LangChain4j 入門](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 入門](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 入門](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 入門](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 入門](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 入門](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 入門](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 [![生成式 AI 入門](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) [![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) [![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 [![機器學習入門](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) [![資料科學入門](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) [![人工智能入門](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) [![網絡安全入門](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) [![網頁開發入門](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) [![物聯網入門](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 開發入門](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 [![AI 結對編程的 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) [![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 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) ## 獲得幫助 如果你在學習機器學習或構建人工智能應用時遇到困難或有疑問，別擔心—有幫助資源可用。 你可以加入與其他學習者及開發者的討論，提出問題，並與社群分享你的想法。 - 加入社群，向其他人提問並共同學習 - 討論機器學習概念和專案想法 - 獲得有經驗開發者的指導 一個支持性的社群是提升技能和更快解決問題的極佳方式。 [Microsoft Foundry Discord 社群](https://discord.gg/nTYy5BXMWG) 如果你遇到錯誤、問題，或有改進建議，也可以在此倉庫中開啟 **Issue** 來報告問題。 若要反饋產品或搜尋現有的社群帖子，請造訪開發者論壇： [![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) ## 其他學習小貼士 - 每課後複習筆記本以加深理解。 - 自行練習實作算法。 - 利用所學概念探索真實世界數據集。 --- **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。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被視為權威來源。對於重要資訊，建議尋求專業人工翻譯。我們不對因使用本翻譯而引起的任何誤解或曲解承擔責任。