ML-For-Beginners/translations/zh-HK

🌐 多語言支援

透過 GitHub Action 支援（自動化且持續更新）

阿拉伯文 | 孟加拉文 | 保加利亞文 | 緬甸文 (Myanmar) | 中文 (簡體) | 中文 (繁體, 香港) | 中文 (繁體, 澳門) | 中文 (繁體, 台灣) | 克羅地亞文 | 捷克文 | 丹麥文 | 荷蘭文 | 愛沙尼亞文 | 芬蘭文 | 法文 | 德文 | 希臘文 | 希伯來文 | 印地文 | 匈牙利文 | 印尼語 | 義大利文 | 日文 | 坎納達文 | 韓文 | 立陶宛文 | 馬來文 | 馬拉雅拉姆文 | 馬拉地文 | 尼泊爾文 | 奈及利亞皮欽語 | 挪威文 | 波斯文 (法爾西) | 波蘭文 | 葡萄牙文 (巴西) | 葡萄牙文 (葡萄牙) | 旁遮普文 (古魯穆奇體) | 羅馬尼亞文 | 俄文 | 塞爾維亞文 (西里爾字母) | 斯洛伐克文 | 斯洛文尼亞文 | 西班牙文 | 斯瓦希里文 | 瑞典文 | 塔加洛語 (菲律賓語) | 泰米爾文 | 泰盧固文 | 泰文 | 土耳其文 | 烏克蘭文 | 烏爾都文 | 越南文

想要本地端複製？

此儲存庫包括 50 多種語言的翻譯，會大幅增加下載大小。若欲不含翻譯直接下載，可使用稀疏檢出：

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'

如此你能以更快的下載速度獲得完成課程所需的所有內容。

加入我們的社群

我們在 Discord 上持續舉辦 AI 系列學習活動，詳情與加入請見 Learn with AI Series，時間為 2025 年 9 月 18 日至 30 日。你將學到如何使用 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

🌍 帶你環遊世界，以世界文化探索機器學習 🌍

微軟的 Cloud Advocates 高興地推出一個為期 12 週、包含 26 節課的機器學習課程。在本課程中，你將學習被稱為經典機器學習的方法，主要使用 Scikit-learn 函式庫，避免使用深度學習（深度學習已收錄於我們的 AI for Beginners 課程）。你也可以搭配我們的'資料科學初學者課程'一起學習！

與我們一同環遊世界，將這些經典技術運用於來自世界各地的資料。每堂課包含課前與課後測驗、書面指引、解答、作業等內容。我們採用專案導向的教學法，讓你在建構中學習，這是經驗證的學習效果。

✍️ 真誠感謝作者 Jen Looper、Stephen Howell、Francesca Lazzeri、Tomomi Imura、Cassie Breviu、Dmitry Soshnikov、Chris Noring、Anirban Mukherjee、Ornella Altunyan、Ruth Yakubu 及 Amy Boyd

🎨 謝謝插畫團隊 Tomomi Imura、Dasani Madipalli 與 Jen Looper

🙏 特別感謝 🙏 微軟學生大使作者、審閱人與內容貢獻者，特別是 Rishit Dagli、Muhammad Sakib Khan Inan、Rohan Raj、Alexandru Petrescu、Abhishek Jaiswal、Nawrin Tabassum、Ioan Samuila 及 Snigdha Agarwal

🤩 額外感謝微軟學生大使 Eric Wanjau、Jasleen Sondhi 和 Vidushi Gupta 為我們的 R 課程付出！

開始使用

請依照下列步驟：

1. 分叉儲存庫：點擊頁面右上角的「Fork」按鈕。
2. 克隆儲存庫： 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

🔧 需要協助？ 請參考我們的 疑難排解指引，協助解決安裝、設置與執行課程的常見問題。

學生專區，使用此課程時，請將整個儲存庫分叉至自己的 GitHub 帳號，並自行或與組員一起完成練習：

• 從課前測驗開始。
• 閱讀課程內容，完成活動，於每個知識點處停下思考。
• 試著根據課程內容自行構建專案，而非直接執行解答程式碼；不過，每個以專案為導向的課程中，/solution 資料夾都有提供解答程式碼。
• 進行課後測驗。
• 完成挑戰題。
• 完成作業。
• 完成一組課程後，請訪問討論板，透過填寫適當的 PAT 評量表來「大聲學習」。PAT 指「進度評估工具（Progress Assessment Tool）」，是一份你填寫以促進學習的評量表。你也可以對他人的 PAT 回應，一同交流學習。

若想進一步學習，我們推薦以下Microsoft Learn模組與學習路徑。

教師專區，我們提供一些使用本課程的建議。

---

影片導覽

部分課程有短片教學。你可以在課程中嵌入觀看，或到 Microsoft Developer YouTube 頻道上的 ML for Beginners 播放清單觀看，點擊以下圖片即可。

---

團隊介紹

Gif 由 Mohit Jaisal 製作

🎥 點擊上圖觀看專案與創建團隊成員的介紹影片！

---

教學法

我們在設計本課程時採用了兩大教學原則：確保課程是動手做的專案導向，並設計了頻繁的測驗。此外，本課程具有統一的主題以保持一致性。

確保內容配合專案，讓學習更有趣且提升概念記憶。課前的低壓力測驗能幫助學生建立學習主題的動機，課後測驗則加強記憶。本課程設計為靈活且有趣，可整體或部分進行。專案從簡單開始，隨著 12 週學習週期逐步變得更複雜。課程還包含機器學習現實應用的附錄，可作為額外學分或討論基礎。

請參閱我們的行為準則、貢獻指南、翻譯指南與故障排除方針。我們歡迎您的建設性意見！

每堂課包含

• 選擇性筆記圖示
• 選擇性補充影片
• 影片導覽（部分課程）
• 課前暖身測驗
• 書面課程
• 專案課程中有逐步製作指引
• 知識檢核
• 挑戰題
• 補充閱讀
• 作業
• 課後測驗

關於語言：這些課程主要使用 Python 語言，但有許多課程同時提供 R 語言版本。要完成 R 課程，請前往 /solution 資料夾，尋找有 .rmd 副檔名的課程。此為 R Markdown 檔案，簡單來說是一種將 code chunks（R 或其他語言的程式碼塊）與 YAML 標頭（決定輸出格式如 PDF）嵌入於 Markdown 文件 的格式。因此，它是資料科學撰稿的極佳框架，允許你結合程式碼、輸出結果和文字說明一起撰寫。R Markdown 文件可輸出成 PDF、HTML 或 Word 等格式。 關於小測的說明：所有小測均包含在 Quiz App folder 中，共計 52 個小測，每個小測包含三個問題。它們會從課程中連結，但測驗應用程式可在本地運行；請按照 quiz-app 資料夾中的指示進行本地託管或部署到 Azure。

課程編號	主題	課程分組	學習目標	相關課程	作者
01	機器學習入門	Introduction	學習機器學習背後的基本概念	Lesson	Muhammad
02	機器學習的歷史	Introduction	了解這個領域的歷史背景	Lesson	Jen and Amy
03	公平性與機器學習	Introduction	建立及應用機器學習模型時，學生應考慮的重要哲學公平議題	Lesson	Tomomi
04	機器學習技術	Introduction	機器學習研究者使用的建模技術	Lesson	Chris and Jen
05	迴歸介紹	Regression	開始使用 Python 和 Scikit-learn 進行迴歸模型	Python • R	Jen • Eric Wanjau
06	北美南瓜價格 🎃	Regression	為機器學習做視覺化及資料清理	Python • R	Jen • Eric Wanjau
07	北美南瓜價格 🎃	Regression	建立線性及多項式迴歸模型	Python • R	Jen and Dmitry • Eric Wanjau
08	北美南瓜價格 🎃	Regression	建立邏輯迴歸模型	Python • R	Jen • Eric Wanjau
09	網頁應用 🔌	Web App	建立一個可使用你訓練模型的網頁應用	Python	Jen
10	分類介紹	Classification	資料清理、準備與視覺化；分類入門	Python • R	Jen and Cassie • Eric Wanjau
11	美味的亞洲與印度料理 🍜	Classification	分類器介紹	Python • R	Jen and Cassie • Eric Wanjau
12	美味的亞洲與印度料理 🍜	Classification	更多分類器	Python • R	Jen and Cassie • Eric Wanjau
13	美味的亞洲與印度料理 🍜	Classification	使用你的模型建立推薦系統網頁應用	Python	Jen
14	分群介紹	Clustering	資料清理、準備與視覺化；分群入門	Python • R	Jen • Eric Wanjau
15	探索奈及利亞音樂喜好 🎧	Clustering	探索 K-Means 分群方法	Python • R	Jen • Eric Wanjau
16	自然語言處理入門 ☕️	Natural language processing	透過建立簡單機器人學習 NLP 基礎	Python	Stephen
17	常見 NLP 任務 ☕️	Natural language processing	透過了解處理語言結構時常見任務，深化你的 NLP 知識	Python	Stephen
18	翻譯與情感分析 ♥️	Natural language processing	與簡·奧斯汀一起做翻譯及情感分析	Python	Stephen
19	歐洲浪漫旅館 ♥️	Natural language processing	使用旅館評論進行情感分析 1	Python	Stephen
20	歐洲浪漫旅館 ♥️	Natural language processing	使用旅館評論進行情感分析 2	Python	Stephen
21	時間序列預測入門	Time series	時間序列預測介紹	Python	Francesca
22	⚡️ 全球電力使用 ⚡️ - 使用 ARIMA 進行時間序列預測	Time series	使用 ARIMA 進行時間序列預測	Python	Francesca
23	⚡️ 全球電力使用 ⚡️ - 用 SVR 做時間序列預測	Time series	使用支持向量回歸進行時間序列預測	Python	Anirban
24	強化學習入門	Reinforcement learning	使用 Q-Learning 進行強化學習介紹	Python	Dmitry
25	幫彼得躲避狼！🐺	Reinforcement learning	強化學習 Gym	Python	Dmitry
後記	真實世界的機器學習情境與應用	ML in the Wild	經典機器學習的有趣且具啟發性的真實世界應用	Lesson	Team
後記	使用 RAI 儀表板進行機器學習模型除錯	ML in the Wild	使用負責任 AI 儀表板元件進行機器學習模型除錯	Lesson	Ruth Yakubu

在我們的 Microsoft Learn 集合中找到此課程的所有附加資源

離線存取

你可以使用 Docsify 離線執行此文件。叉出此存放庫，在你的本機安裝 Docsify，然後在此存放庫根目錄中輸入 docsify serve。網站將在你的本地主機的 3000 端口服務：localhost:3000。

PDF

可在此處找到帶有連結的課程 PDF：pdf。

🎒 其他課程

我們的團隊還製作其他課程！查閱：

LangChain

Azure / Edge / MCP / Agents

---

生成式 AI 系列

---

核心學習

---

Copilot 系列

尋求協助

如果您遇到困難或對建立 AI 應用程式有任何疑問，歡迎加入與其他學習者及經驗豐富的開發者一同討論 MCP。這是一個支持性的社群，歡迎提出問題並自由分享知識。

如果您在開發過程中有產品回饋或發現錯誤，請造訪：

---

免責聲明： 本文件經由 AI 翻譯服務 Co-op Translator 進行翻譯。雖然我們致力追求準確性，但請注意自動翻譯可能包含錯誤或不準確之處。原文文件應被視為權威來源。如涉及重要資訊，建議尋求專業人工翻譯。我們對使用本翻譯所引起的任何誤解或曲解概不負責。