ML-For-Beginners/translations/zh-TW

🌐 多語言支援

透過 GitHub Action 支援（自動化且隨時更新）

阿拉伯語 | 孟加拉語 | 保加利亞語 | 緬甸語 | 中文（簡體） | 中文（繁體，香港） | 中文（繁體，澳門） | 中文（繁體，台灣） | 克羅埃西亞語 | 捷克語 | 丹麥語 | 荷蘭語 | 愛沙尼亞語 | 芬蘭語 | 法語 | 德語 | 希臘語 | 希伯來語 | 印地語 | 匈牙利語 | 印尼語 | 義大利語 | 日語 | 坎納達語 | 韓語 | 立陶宛語 | 馬來語 | 馬拉雅拉姆語 | 馬拉地語 | 尼泊爾語 | 奈及利亞皮欽語 | 挪威語 | 波斯語（法爾西語） | 波蘭語 | 葡萄牙語（巴西） | 葡萄牙語（葡萄牙） | 旁遮普語（Gurmukhi） | 羅馬尼亞語 | 俄語 | 塞爾維亞語（西里爾字母） | 斯洛伐克語 | 斯洛維尼亞語 | 西班牙語 | 斯瓦希里語 | 瑞典語 | 他加祿語（菲律賓語） | 泰米爾語 | 泰盧固語 | 泰語 | 土耳其語 | 烏克蘭語 | 烏爾都語 | 越南語

偏好本地複製？

此儲存庫包含 50 多種語言的翻譯，這會大幅增加下載大小。若想跳過翻譯內容進行複製，請使用稀疏簽出：

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'

這可讓你快速取得完成課程所需的所有內容並加快下載速度。

加入我們的社群

我們持續舉辦 Discord AI 學習系列，更多資訊及加入請見 Learn with AI Series，時間為 2025 年 9 月 18 日至 30 日。你將獲得使用 GitHub Copilot 進行資料科學的技巧與秘訣。

機器學習初學者課程

🌍 隨著我們透過世界各地文化探索機器學習，一同環遊世界 🌍

微軟的 Cloud Advocates 很高興提供一個為期 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，避免使用深度學習，深度學習部分則涵蓋於我們的 AI 初學者課程 中。你也可以搭配我們的 '資料科學初學者課程' 一起學習！

跟著我們環遊世界，將這些經典技術應用到來自世界許多地區的資料。每課包含課前與課後測驗、書面教學指引、解答、練習題等等。基於專案的教學法讓你透過實作學習，是新技能吸收的有效途徑。

✍️ 衷心感謝我們的作者 Jen Looper、Stephen Howell、Francesca Lazzeri、Tomomi Imura、Cassie Breviu、Dmitry Soshnikov、Chris Noring、Anirban Mukherjee、Ornella Altunyan、Ruth Yakubu 和 Amy Boyd

🎨 也感謝我們的插畫師 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 和 Snigdha Agarwal

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

開始使用

請依照以下步驟操作：

1. 分叉此儲存庫：點擊本頁右上方的「Fork」按鈕。
2. 克隆此儲存庫：git clone https://github.com/microsoft/ML-For-Beginners.git

本課程的所有額外資源都收錄於我們的 Microsoft Learn 專輯

🔧 需要幫助？ 請查看我們的 故障排除指南，了解安裝、設定及執行課程時常見問題的解決方案。

學生，要使用本課程，請將整個儲存庫分叉到你的 GitHub 帳號，並自行或團體完成練習：

• 從課前測驗開始。
• 閱讀課程並完成活動，於每個知識檢測停下思考。
• 盡量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；不過每個專案式課程都在 /solution 資料夾提供解答程式碼。
• 完成課後測驗。
• 完成挑戰題。
• 完成作業。
• 完成一組課程後，請造訪 討論板 並「大聲學習」，填寫相應的 PAT 評分表。PAT 是一種進度評估工具，透過填寫評分表幫助學習。你也可以對其他人的 PAT 回應，一同進步。

若想更深入學習，我們建議參考這些 Microsoft Learn 模組與學習路徑。

教師，我們已在 教師建議 中提供一些使用課程的建議。

---

視頻導覽

部分課程有短片形式的視頻說明，這些視頻皆置於課程中，也可在 Microsoft 開發者 YouTube 頻道的 ML for Beginners 播放清單 觀看，點擊下方圖片即可。

---

團隊介紹

動圖製作者 Mohit Jaisal

🎥 點擊上方圖片，觀看關於此專案及幕後團隊的影片！

---

教學法

我們在設計此課程時堅持兩個教學原則：確保為 專案式實作，並包含 頻繁測驗。此外，本課程擁有一致的 主題 以增強整體性。

確保內容與專案對齊能增加學生參與度並提升概念記憶。課前進行低壓力測驗，設定學習動機；課後測驗則強化記憶。此課程設計靈活有趣，可全程或部分學習。專案由淺入深，逐步增加複雜度，適合 12 星期期。課程還包含一篇關於機器學習真實應用的後記，可用作額外學分或討論素材。

請查閱我們的 行為守則、貢獻指南、翻譯指南 和 故障排除 。歡迎您提供建設性意見！

每課內容包含

• 選擇性手繪筆記
• 選擇性補充影片
• 影片導覽（部分課程）
• 課前暖身測驗
• 書面教學
• 專案式課程附逐步專案製作指引
• 知識檢測
• 挑戰題
• 補充閱讀
• 作業
• 課後測驗

關於語言的說明：課程內容主要以 Python 撰寫，也有許多 R 課程。完成 R 課時，請至 /solution 資料夾尋找包含 .rmd 副檔名的 R Markdown 檔案，這種文件格式結合了 程式碼區塊（R 或其他語言）與 YAML 標頭（指定輸出格式如 PDF），以 Markdown 文件形式表達。因此，它是資料科學典範的撰寫框架，能讓你同時撰寫程式碼、呈現輸出與文字描述。此外，R Markdown 文件可匯出為 PDF、HTML 或 Word 等格式。 有關測驗的小提醒：所有測驗皆收錄在 Quiz App folder 中，共 52 個測驗，每個測驗含三個問題。這些測驗會在課程中連結，但測驗應用程式可以在本機執行；請依照 quiz-app 資料夾中的說明進行本機架設或部署至 Azure。

Lesson Number	Topic	Lesson Grouping	Learning Objectives	Linked Lesson	Author
01	機器學習簡介	Introduction	了解機器學習的基本概念	Lesson	Muhammad
02	機器學習的歷史	Introduction	了解此領域的歷史背景	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，學生應考慮的公平性哲學重要議題？	Lesson	Tomomi
04	機器學習技巧	Introduction	機器學習研究者用於建構機器學習模型的技巧為何？	Lesson	Chris and Jen
05	回歸簡介	Regression	使用 Python 與 Scikit-learn 開始建構回歸模型	Python • R	Jen • Eric Wanjau
06	北美洲南瓜價格 🎃	Regression	視覺化並清理資料以準備機器學習	Python • R	Jen • Eric Wanjau
07	北美洲南瓜價格 🎃	Regression	建立線性及多項式回歸模型	Python • R	Jen and Dmitry • Eric Wanjau
08	北美洲南瓜價格 🎃	Regression	建立邏輯回歸模型	Python • R	Jen • Eric Wanjau
09	網頁應用 🔌	Web App	建立一個網頁應用程式以使用訓練好的模型	Python	Jen
10	分類簡介	Classification	清理、準備並視覺化你的資料；分類導論	Python • R	Jen and Cassie • Eric Wanjau
11	美味的亞洲與印度料理 🍜	Classification	分類器簡介	Python • R	Jen and Cassie • Eric Wanjau
12	美味的亞洲與印度料理 🍜	Classification	進階分類器	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的網頁應用程式	Python	Jen
14	分群簡介	Clustering	清理、準備並視覺化你的資料；分群導論	Python • R	Jen • Eric Wanjau
15	探索奈及利亞的音樂品味 🎧	Clustering	探索 K-均值分群方法	Python • R	Jen • Eric Wanjau
16	自然語言處理導論 ☕️	Natural language processing	透過建立簡單機器人學習自然語言處理的基礎	Python	Stephen
17	常見 NLP 任務 ☕️	Natural language processing	深入了解處理語言結構時需執行的常見任務	Python	Stephen
18	翻譯與情感分析 ♥️	Natural language processing	使用珍‧奧斯汀的翻譯與情感分析	Python	Stephen
19	歐洲浪漫旅館 ♥️	Natural language processing	旅館評論的情感分析 1	Python	Stephen
20	歐洲浪漫旅館 ♥️	Natural language processing	旅館評論的情感分析 2	Python	Stephen
21	時間序列預測導論	Time series	時間序列預測入門	Python	Francesca
22	⚡️ 世界用電量 ⚡️ - 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	⚡️ 世界用電量 ⚡️ - 使用 SVR 進行時間序列預測	Time series	使用支援向量回歸進行時間序列預測	Python	Anirban
24	強化學習導論	Reinforcement learning	透過 Q 學習介紹強化學習	Python	Dmitry
25	幫助彼得躲避狼！ 🐺	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	傳統機器學習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	利用負責任的 AI 儀表板組件進行機器學習模型除錯	Lesson	Ruth Yakubu

在我們的 Microsoft Learn 集合中尋找本課程的所有額外資源

離線存取

您可以透過使用 Docsify 離線查看這份文件。先 Fork 此倉庫，於您的本機電腦上 安裝 Docsify，然後在此倉庫的根目錄中輸入 docsify serve。網站將在本機的 3000 埠執行：localhost:3000。

PDF

在此處下載含有連結的課程 PDF。

🎒 其他課程

我們的團隊還製作其他課程！請參考：

LangChain

Azure / Edge / MCP / Agents

---

生成式 AI 系列

---

核心學習

---

Copilot 系列

尋求協助

如果您在建置 AI 應用程式時遇到困難或有任何問題，歡迎加入學習者與經驗豐富的開發者們一起討論 MCP。這是一個支持性的社群，問題都歡迎提出，知識也樂於共享。

如果您在建置過程中有產品回饋或遇到錯誤，請造訪：

---

免責聲明：
本文件係使用 AI 翻譯服務 Co-op Translator 進行翻譯。儘管我們力求準確，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用負責。