|
|
[](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（自動且持續更新）
|
|
|
|
|
|
<!-- CO-OP TRANSLATOR LANGUAGES TABLE START -->
|
|
|
[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh-CN/README.md) | [Chinese (Traditional, Hong Kong)](../zh-HK/README.md) | [Chinese (Traditional, Macau)](../zh-MO/README.md) | [Chinese (Traditional, Taiwan)](./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) | [Khmer](../km/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)](../pt-BR/README.md) | [Portuguese (Portugal)](../pt-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)
|
|
|
|
|
|
> **較喜歡本機複製？**
|
|
|
>
|
|
|
> 本儲存庫包含超過 50 種語言的翻譯，會大幅增加下載大小。若想不包含翻譯檔案的話，請使用稀疏檢出：
|
|
|
>
|
|
|
> **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"
|
|
|
> ```
|
|
|
>
|
|
|
> 這提供您完成課程所需的一切，且下載速度更快。
|
|
|
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
|
|
|
|
|
|
#### 加入我們的社群
|
|
|
|
|
|
[](https://discord.gg/nTYy5BXMWG)
|
|
|
|
|
|
我們正在舉辦 Discord AI 學習系列，請在 2025 年 9 月 18 日至 30 日期間前往 [Learn with AI Series](https://aka.ms/learnwithai/discord) 了解並加入。我們會分享使用 GitHub Copilot 進行資料科學的秘訣與技巧。
|
|
|
|
|
|
|
|
|
|
|
|
# 初學者機器學習課程大綱
|
|
|
|
|
|
> 🌍 隨著我們透過全球文化探索機器學習，遍遊世界 🌍
|
|
|
|
|
|
微軟的 Cloud Advocates 很高興能提供一個為期 12 週、共 26 堂課的完整【機器學習】課程。在此課程中，您將學習有時被稱為【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，後者收錄於我們的 [AI for Beginners 課程](https://aka.ms/ai4beginners)。您也能搭配我們的 [Data Science for Beginners 課程](https://aka.ms/ds4beginners) 來學習！
|
|
|
|
|
|
隨著我們環遊世界，將這些經典技術應用於來自世界各地的數據。每個課程包含課前與課後小測驗、書面操作指引、解答、作業等。透過專案導向的教學法，學生能邊學邊做，這是讓新技能深植的重要方法。
|
|
|
|
|
|
**✍️ 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 和 Amy Boyd
|
|
|
|
|
|
**🎨 同時感謝插畫作者** Tomomi Imura、Dasani Madipalli 及 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 及 Snigdha Agarwal
|
|
|
|
|
|
**🤩 也特別感謝 Microsoft 學生大使 Eric Wanjau、Jasleen Sondhi 與 Vidushi Gupta 為我們貢獻了 R 課程！**
|
|
|
|
|
|
# 開始使用
|
|
|
|
|
|
請依照以下步驟操作：
|
|
|
1. **Fork 本儲存庫**：點選本頁右上方的「Fork」按鈕。
|
|
|
2. **Clone 本儲存庫**： `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)
|
|
|
|
|
|
> 🔧 **需要協助？** 請參考我們的 [疑難排解指南](TROUBLESHOOTING.md)，解決安裝、設定與執行課程時常見問題。
|
|
|
|
|
|
**[學生](https://aka.ms/student-page)**，若要使用本課程，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。
|
|
|
- 閱讀課文並完成活動，在每個知識檢查時暫停且思考。
|
|
|
- 嘗試透過理解課程內容來自行建立專案，而非直接執行解答程式碼；當然，解答程式碼可在每個專案導向課程的 `/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，請造訪 [討論板](https://github.com/microsoft/ML-For-Beginners/discussions) ，透過填寫相應的 PAT 評分表進行「實況學習」。PAT（Progress Assessment Tool）是您填寫來促進學習的評分表。您也可對其他人的 PAT 做出反應，大家一起學習。
|
|
|
|
|
|
> 更進一步學習，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。
|
|
|
|
|
|
<strong>教師</strong>，我們 [提供了一些建議](for-teachers.md) 供您使用本課程。
|
|
|
|
|
|
---
|
|
|
|
|
|
## 影片導覽
|
|
|
|
|
|
部分課程有短片形式的影片。您可在課程內嵌位置找到影片，或在 Microsoft Developer YouTube 頻道的 [ML for Beginners 播放清單](https://aka.ms/ml-beginners-videos) 觀看，請點擊下方圖片。
|
|
|
|
|
|
[](https://aka.ms/ml-beginners-videos)
|
|
|
|
|
|
---
|
|
|
|
|
|
## 認識團隊
|
|
|
|
|
|
[](https://youtu.be/Tj1XWrDSYJU)
|
|
|
|
|
|
**Gif 製作：** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal)
|
|
|
|
|
|
> 🎥 點擊上方圖片觀看專案及團隊介紹影片！
|
|
|
|
|
|
---
|
|
|
|
|
|
## 教學法
|
|
|
|
|
|
我們在設計此課程大綱時選擇了兩個教學原則：確保課程為親身實作的<strong>專案導向</strong>，並包含<strong>頻繁的測驗</strong>。此外，課程有統一的<strong>主題</strong>讓內容更為完整。
|
|
|
|
|
|
確保內容與專案一致，能讓學習過程更吸引學生且提升概念記憶。課前低壓力測驗幫助學生設定學習目標，課後測驗則促進概念鞏固。此課程設計靈活且有趣，您可選擇全部或部分完成。專案從小到大，循序漸進到 12 週週期結束時變得更複雜。課程還包含機器學習真實應用的後記，可用作額外學分或討論基礎。
|
|
|
|
|
|
> 查看我們的 [行為守則](CODE_OF_CONDUCT.md)、[貢獻指南](CONTRIBUTING.md)、[翻譯](..) 和 [疑難排解](TROUBLESHOOTING.md) 指南，歡迎您給予建設性回饋！
|
|
|
|
|
|
## 每堂課包含
|
|
|
|
|
|
- 可選速寫筆記
|
|
|
- 可選補充影片
|
|
|
- 影片導覽（部分課程）
|
|
|
- [課前暖身測驗](https://ff-quizzes.netlify.app/en/ml/)
|
|
|
- 書面課程內容
|
|
|
- 專案課程的專案建置逐步指引
|
|
|
- 知識檢查
|
|
|
- 挑戰
|
|
|
- 補充閱讀資料
|
|
|
- 作業
|
|
|
- [課後測驗](https://ff-quizzes.netlify.app/en/ml/)
|
|
|
> <strong>關於語言的說明</strong>：這些課程主要以 Python 編寫，但許多課程也有提供 R 版本。要完成 R 課程，請前往 `/solution` 資料夾並尋找 R 課程。它們包含副檔名 .rmd，代表 **R Markdown** 文件，可簡單定義為在 `Markdown 文件` 中嵌入 `程式碼區塊`（R 或其他語言）和 `YAML 標頭`（用於指導如何格式化輸出如 PDF）。因此，它作為一個資料科學的典範撰寫框架，因為它允許您結合程式碼、輸出與您的想法，並可用 Markdown 進行撰寫。此外，R Markdown 文件可渲染成 PDF、HTML 或 Word 等輸出格式。
|
|
|
|
|
|
> <strong>關於測驗的說明</strong>：所有測驗皆收錄於 [Quiz App 資料夾](../../quiz-app) 中，共有 52 組測驗，每組包含三題問題。這些測驗會在課程中連結，也可在本地執行測驗應用程式；請依照 `quiz-app` 資料夾內的指示在本地架設或部署至 Azure。
|
|
|
|
|
|
| 課程編號 | 主題 | 課程分組 | 學習目標 | 連結課程 | 作者 |
|
|
|
| :------: | :------------------------------------------------------------: | :------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------- | :----------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------: |
|
|
|
| 01 | 機器學習導論 | [Introduction](1-Introduction/README.md) | 了解機器學習背後的基本概念 | [課程](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
|
|
|
| 02 | 機器學習的歷史 | [Introduction](1-Introduction/README.md) | 了解此領域的歷史背景 | [課程](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) | 學生在建構和應用機器學習模型時應考慮的主要哲學問題是什麼？ | [課程](1-Introduction/3-fairness/README.md) | Tomomi |
|
|
|
| 04 | 機器學習技術 | [Introduction](1-Introduction/README.md) | 機器學習研究人員用什麼技術來建構機器學習模型？ | [課程](1-Introduction/4-techniques-of-ML/README.md) | Chris and Jen |
|
|
|
| 05 | 迴歸介紹 | [Regression](2-Regression/README.md) | 開始使用 Python 和 Scikit-learn 進行迴歸模型 | [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) | 資料視覺化與清理以準備機器學習 | [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) | 建立線性與多項式迴歸模型 | [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) | 建立邏輯斯迴歸模型 | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau |
|
|
|
| 09 | 網頁應用程式 🔌 | [Web App](3-Web-App/README.md) | 建立一個使用你訓練模型的網頁應用程式 | [Python](3-Web-App/1-Web-App/README.md) | Jen |
|
|
|
| 10 | 分類導論 | [Classification](4-Classification/README.md) | 清理、準備與視覺化資料；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 | 美味的亞洲與印度料理 🍜 | [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 | 美味的亞洲與印度料理 🍜 | [Classification](4-Classification/README.md) | 進階分類器 | [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 | 美味的亞洲與印度料理 🍜 | [Classification](4-Classification/README.md) | 利用你的模型建立推薦器網頁應用程式 | [Python](4-Classification/4-Applied/README.md) | Jen |
|
|
|
| 14 | 聚類介紹 | [Clustering](5-Clustering/README.md) | 清理、準備與視覺化你的資料；聚類介紹 | [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-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 | 自然語言處理導論 ☕️ | [Natural language processing](6-NLP/README.md) | 透過建構簡單機器人學習自然語言處理基礎 | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
|
|
|
| 17 | 常見的 NLP 任務 ☕️ | [Natural language processing](6-NLP/README.md) | 深入了解處理語言結構時需完成的常見任務 | [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 | 時間序列預測導論 | [Time series](7-TimeSeries/README.md) | 時間序列預測介紹 | [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) | 使用支持向量迴歸器進行時間序列預測 | [Python](7-TimeSeries/3-SVR/README.md) | Anirban |
|
|
|
| 24 | 強化學習導論 | [Reinforcement learning](8-Reinforcement/README.md) | 使用 Q-Learning 介紹強化學習 | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry |
|
|
|
| 25 | 幫助彼得躲避大灰狼！🐺 | [Reinforcement learning](8-Reinforcement/README.md) | 強化學習 Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry |
|
|
|
| 附錄 | 真實世界的機器學習情境與應用 | [ML in the Wild](9-Real-World/README.md) | 經典機器學習的有趣且具啟發性的實際應用案例 | [課程](9-Real-World/1-Applications/README.md) | 團隊 |
|
|
|
| 附錄 | 使用 RAI 儀表板的機器學習模型除錯 | [ML in the Wild](9-Real-World/README.md) | 使用 Responsible AI 儀表板元件進行機器學習模型除錯 | [課程](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
|
|
|
|
|
|
> [在我們的 Microsoft Learn 集合中查找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
|
|
|
|
|
|
您可以使用 [Docsify](https://docsify.js.org/#/) 離線執行本文件。Fork 這個專案，並在本機安裝 [Docsify](https://docsify.js.org/#/quickstart)，然後在此專案根目錄執行 `docsify serve`。網站將在本地主機的 3000 端口啟動：`localhost:3000`。
|
|
|
|
|
|
## PDF 檔案
|
|
|
|
|
|
[點此](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf) 下載課程大綱 PDF，並附有連結。
|
|
|
|
|
|
|
|
|
## 🎒 其他課程
|
|
|
|
|
|
我們團隊還製作了其他課程！快來看看：
|
|
|
|
|
|
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
|
|
|
### LangChain
|
|
|
[](https://aka.ms/langchain4j-for-beginners)
|
|
|
[](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
|
|
|
[](https://github.com/microsoft/langchain-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)
|
|
|
<!-- CO-OP TRANSLATOR OTHER COURSES END -->
|
|
|
|
|
|
## 尋求協助
|
|
|
|
|
|
如果您遇到困難或對構建 AI 應用有任何疑問，請加入其他學習者和有經驗的開發者討論 MCP。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)
|
|
|
|
|
|
如果在構建過程中有產品反饋或錯誤，請造訪：
|
|
|
|
|
|
[](https://aka.ms/foundry/forum)
|
|
|
## 額外學習建議
|
|
|
|
|
|
- 每課後回顧筆記本以加深理解。
|
|
|
- 練習自行實作演算法。
|
|
|
- 利用所學概念探索真實世界資料集。
|
|
|
|
|
|
---
|
|
|
|
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
|
|
|
**免責聲明**：
|
|
|
本文件係使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖我們致力於確保準確性，但請注意，機器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。我們不對因使用本翻譯而產生之任何誤解或誤譯負責。
|
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER END --> |
