ML-For-Beginners/translations/ja

🌐 多言語対応

GitHub Actionを介してサポート（自動かつ常に最新）

Arabic | Bengali | Bulgarian | Burmese (Myanmar) | Chinese (Simplified) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Macau) | Chinese (Traditional, Taiwan) | Croatian | Czech | Danish | Dutch | Estonian | Finnish | French | German | Greek | Hebrew | Hindi | Hungarian | Indonesian | Italian | Japanese | Kannada | Khmer | Korean | Lithuanian | Malay | Malayalam | Marathi | Nepali | Nigerian Pidgin | Norwegian | Persian (Farsi) | Polish | Portuguese (Brazil) | Portuguese (Portugal) | Punjabi (Gurmukhi) | Romanian | Russian | Serbian (Cyrillic) | Slovak | Slovenian | Spanish | Swahili | Swedish | Tagalog (Filipino) | Tamil | Telugu | Thai | Turkish | Ukrainian | Urdu | Vietnamese

ローカルにクローンすることを好みますか？

このリポジトリには 50 以上の言語翻訳が含まれており、ダウンロードサイズが大幅に増加します。翻訳なしでクローンするには、スパースチェックアウトを使用してください：

Bash / macOS / Linux:

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):

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"

これにより、コースを完了するために必要なすべてのものがはるかに高速なダウンロードで得られます。

コミュニティに参加しよう

当コミュニティでは Discord の AI シリーズ学習を開催中です。詳細や参加は Learn with AI Series にて、2025年9月18日～30日開催。GitHub Copilot を使ったデータサイエンスのコツとテクニックをご紹介します。

初心者向け機械学習 - カリキュラム

🌍 世界各地の文化と言語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ートチームは、12週間、26レッスンからなる 機械学習 に関するカリキュラムを提供しています。このカリキュラムでは、主に Scikit-learn ライブラリを用いた、いわゆる 古典的機械学習 を学習します。ディープラーニングは当社の 初心者向けAIカリキュラムで扱っています。さらに、当カリキュラムは '初心者向けデータサイエンス'カリキュラム と組み合わせて受講できます。

世界各地のデータを用いながら、古典的な手法を適用して旅をしましょう。各レッスンには事前・事後クイズ、説明資料、解答例、課題などが含まれています。実践型の教育法により、学びながら制作することで新しいスキルが定着しやすくなっています。

✍️ 執筆者の皆さまに心から感謝申し上げます Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu, Amy Boyd

🎨 イラストレーターにも感謝 Tomomi Imura, Dasani Madipalli, Jen Looper

🙏 Microsoft Student Ambassador 執筆者、レビュアー、コンテンツ貢献者の皆さまに特に感謝 Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, Snigdha Agarwal

🤩 R 言語レッスン担当の Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, Vidushi Gupta に特別感謝！

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ます。
2. リポジトリをクローンする: git clone https://github.com/microsoft/ML-For-Beginners.git

Microsoft Learnコレクションでコースの追加リソースをすべて見つける

🔧 困ったときは？ トラブルシューティングガイド を参照し、インストール、セットアップ、レッスン実行時の一般的な問題に対処してください。

学生の皆さん、このカリキュラムを利用するには、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：

• 事前講義クイズから始めましょう。
• 講義を読み、各知識確認で一時停止しながら活動を完了してください。
• 解答コードを実行するのではなく、理解してプロジェクトを作成することを目指しましょう。ただし解答コードは関連プロジェクトの /solution フォルダにあります。
• 講義後クイズを受けましょう。
• チャレンジをクリアしましょう。
• 課題を完了しましょう。
• レッスングループを完了したら、ディスカッションボード を訪れ、対応する PAT ルーブリックを記入して「学びを声に出しましょう」。'PAT' は進歩評価ツールの略で、学習を促進するためのルーブリックです。他の人のPATにも反応して、一緒に学びましょう。

さらなる学習には、Microsoft Learn のモジュールや学習パスをおすすめします。

教師の方へ、このカリキュラムの使い方に関する提案を用意しています。

---

動画ウォークスルー

一部のレッスンは短い動画で提供されています。レッスン内またはMicrosoft Developer YouTube チャンネルの ML for Beginners プレイリストからご覧いただけます。下の画像をクリックしてください。

---

チーム紹介

Gif 制作 Mohit Jaisal

🎥 上の画像をクリックすると、プロジェクトと制作チームの動画をご覧いただけます！

---

教育方針

このカリキュラム作成にあたり、以下2つの教育理念を選びました：実践的な 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。さらに、本カリキュラムには一貫性を持たせるため、共通の テーマ を設けています。

内容をプロジェクトに合わせることで、学習のモチベーションを高め、理解の定着を強化しています。授業前の軽いクイズは学生の学習意欲を促し、授業後のクイズは理解を深める役割を果たします。本カリキュラムは柔軟で楽しく、全体または一部を受講できます。プロジェクトは小規模から始まり、12週間の終了時には複雑さを増します。また、実世界での機械学習応用に関する追記も含まれており、追加学習内容や議論の素材として利用可能です。

行動規範、貢献ガイド、翻訳、トラブルシューティング ガイドラインもご覧ください。建設的なフィードバックをお待ちしています！

各レッスンに含まれるもの

• 任意のスケッチノート
• 任意の補足動画
• 動画ウォークスルー（一部レッスンのみ）
• 講義前ウォームアップクイズ
• 講義本文
• プロジェクトベースのレッスンでは、ステップバイステップのプロジェクト完成ガイド
• 知識確認問題
• チャレンジ
• 補足読書資料
• 課題
• 講義後クイズ

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でも提供されています。Rのレッスンを完了するには、/solutionフォルダーに移動してRレッスンを探してください。そこにはR Markdownファイルを表す.rmd拡張子が付いています。これはコードチャンク（Rやその他の言語の）とYAMLヘッダー（PDFなどの出力フォーマットのガイド）をMarkdownドキュメントに埋め込んだものと簡単に定義できます。そのため、コード、その出力、そして考えをMarkdownで記述することで結合できるため、データサイエンスの優れた著述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することができます。

クイズについての注意: すべてのクイズはQuiz App folderに収められており、合計52のクイズがそれぞれ3問ずつ含まれています。クイズはレッスン内からリンクされていますが、クイズアプリはローカルでも実行可能です。quiz-appフォルダー内の指示に従ってローカルホストまたはAzureへのデプロイを行ってください。

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	機械学習入門	Introduction	機械学習の基本概念を学ぶ	Lesson	Muhammad
02	機械学習の歴史	Introduction	この分野の歴史を学ぶ	Lesson	Jen and Amy
03	公平性と機械学習	Introduction	学習者がMLモデルの構築と適用時に考慮すべき公平性に関する重要な哲学的問題とは？	Lesson	Tomomi
04	機械学習のための技術	Introduction	ML研究者がMLモデルを構築するために用いる技術とは？	Lesson	Chris and Jen
05	回帰の入門	Regression	PythonとScikit-learnを使った回帰モデルの基礎を学ぶ	Python • R	Jen • Eric Wanjau
06	北米のかぼちゃ価格 🎃	Regression	MLの準備としてデータの可視化とクレンジング	Python • R	Jen • Eric Wanjau
07	北米のかぼちゃ価格 🎃	Regression	線形回帰と多項式回帰モデルの構築	Python • R	Jen and Dmitry • Eric Wanjau
08	北米のかぼちゃ価格 🎃	Regression	ロジスティック回帰モデルの構築	Python • R	Jen • Eric Wanjau
09	Webアプリ 🔌	Web App	トレーニング済みモデルを利用するWebアプリを作成	Python	Jen
10	分類入門	Classification	データのクレンジング、準備、可視化；分類の入門	Python • R	Jen and Cassie • Eric Wanjau
11	美味しいアジアとインド料理 🍜	Classification	分類器の入門	Python • R	Jen and Cassie • Eric Wanjau
12	美味しいアジアとインド料理 🍜	Classification	さらに分類器	Python • R	Jen and Cassie • Eric Wanjau
13	美味しいアジアとインド料理 🍜	Classification	モデルを使った推薦Webアプリを作成	Python	Jen
14	クラスタリング入門	Clustering	データのクレンジング、準備、可視化；クラスタリングの入門	Python • R	Jen • Eric Wanjau
15	ナイジェリアの音楽趣向を探る 🎧	Clustering	K-平均クラスタリング法を探る	Python • R	Jen • Eric Wanjau
16	自然言語処理入門 ☕️	Natural language processing	簡単なボットを作りながらNLPの基礎を学ぶ	Python	Stephen
17	一般的なNLPタスク ☕️	Natural language processing	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知識を深める	Python	Stephen
18	翻訳と感情分析 ♥️	Natural language processing	ジェーン・オースティンを使った翻訳と感情分析	Python	Stephen
19	ヨーロッパのロマンチックホテル ♥️	Natural language processing	ホテルレビューによる感情分析1	Python	Stephen
20	ヨーロッパのロマンチックホテル ♥️	Natural language processing	ホテルレビューによる感情分析2	Python	Stephen
21	時系列予測入門	Time series	時系列予測入門	Python	Francesca
22	⚡️ 世界の電力使用 ⚡️ - ARIMAによる時系列予測	Time series	ARIMAを用いた時系列予測	Python	Francesca
23	⚡️ 世界の電力使用 ⚡️ - SVRによる時系列予測	Time series	サポートベクター回帰による時系列予測	Python	Anirban
24	強化学習入門	Reinforcement learning	Q学習を用いた強化学習の入門	Python	Dmitry
25	ピーターがオオカミを避けるのを助けよう！ 🐺	Reinforcement learning	強化学習ジム	Python	Dmitry
追伸	実世界のMLシナリオと応用	ML in the Wild	古典的MLの興味深く示唆に富んだ実世界の応用	Lesson	Team
追伸	RAIダッシュボードを用いたMLのモデルデバッグ	ML in the Wild	Responsible AIダッシュボードコンポーネントを用いた機械学習におけるモデルデバッグ	Lesson	Ruth Yakubu

本コースのすべての追加リソースはこちらのMicrosoft Learnコレクションでご覧いただけます

オフラインアクセス

Docsify を使用して、このドキュメントをオフラインで実行できます。このリポジトリをフォークし、ローカルマシンにDocsifyをインストールしてから、このリポジトリのルートフォルダーで docsify serve を入力してください。ウェブサイトはポート3000でローカルホストで提供されます： localhost:3000。

PDF

カリキュラムのpdf（リンク付き）はこちらでご覧ください。

🎒 その他のコース

当チームは他のコースも制作しています！ぜひご覧ください：

LangChain

Azure / Edge / MCP / Agents

---

生成AIシリーズ

---

コア学習

---

コパイロットシリーズ

ヘルプを得る

機械学習を学んだりAIアプリを作成したりする際に詰まったり質問があったりしても、心配はいりません — ヘルプをご利用いただけます。

他の学習者や開発者とディスカッションに参加し、質問し、アイデアを共有できます。

• コミュニティに参加して質問し、他の人と一緒に学ぶ
• 機械学習の概念やプロジェクトのアイデアを議論する
• 経験豊富な開発者から指導を受ける

支援的なコミュニティはスキルを伸ばし、問題をより速く解決するのに役立ちます。

Microsoft Foundry Discord Community

バグやエラーの発生、改善の提案があれば、このリポジトリでIssueを開いて問題を報告することもできます。

製品に関するフィードバックや既存のコミュニティ投稿を検索するには、開発者フォーラムをご覧ください：

追加の学習のヒント

• 各レッスン後にノートブックを復習して理解を深めましょう。
• 自分でアルゴリズムを実装して練習しましょう。
• 学んだ概念を使って実世界のデータセットを探求しましょう。

---

免責事項:
本書類はAI翻訳サービス Co-op Translator を使用して翻訳されています。正確性には努めておりますが、自動翻訳には誤りや不正確な内容が含まれる可能性があります。原文のネイティブ言語による文書が正式な情報源とみなされるべきです。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。本翻訳の使用に起因する誤解や誤訳については、一切の責任を負いかねます。