26 KiB
🌐 Monikielinen tuki
Tuettu GitHub-toiminnon kautta (automaattinen ja aina ajan tasalla)
French | Spanish | German | Russian | Arabic | Persian (Farsi) | Urdu | Chinese (Simplified) | Chinese (Traditional, Macau) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Taiwan) | Japanese | Korean | Hindi | Bengali | Marathi | Nepali | Punjabi (Gurmukhi) | Portuguese (Portugal) | Portuguese (Brazil) | Italian | Polish | Turkish | Greek | Thai | Swedish | Danish | Norwegian | Finnish | Dutch | Hebrew | Vietnamese | Indonesian | Malay | Tagalog (Filipino) | Swahili | Hungarian | Czech | Slovak | Romanian | Bulgarian | Serbian (Cyrillic) | Croatian | Slovenian | Ukrainian | Burmese (Myanmar)
Liity yhteisöön
Koneoppiminen aloittelijoille - Opintosuunnitelma
🌍 Matkusta ympäri maailmaa tutustuessasi koneoppimiseen eri kulttuurien kautta 🌍
Microsoftin Cloud Advocates -tiimi tarjoaa ylpeänä 12 viikon ja 26 oppitunnin opintosuunnitelman, joka käsittelee koneoppimista. Tässä opintosuunnitelmassa opit niin sanottua klassista koneoppimista, pääasiassa Scikit-learn-kirjastoa käyttäen ja välttäen syväoppimista, joka käsitellään AI for Beginners -opintosuunnitelmassa. Yhdistä nämä oppitunnit myös 'Data Science for Beginners' -opintosuunnitelmaan!
Matkusta kanssamme ympäri maailmaa soveltaessamme näitä klassisia tekniikoita eri alueiden dataan. Jokainen oppitunti sisältää ennen ja jälkeen oppitunnin tehtävät, kirjalliset ohjeet oppitunnin suorittamiseen, ratkaisun, tehtävän ja paljon muuta. Projektipohjainen oppimismetodimme auttaa sinua oppimaan rakentamisen kautta, mikä on todistetusti tehokas tapa omaksua uusia taitoja.
✍️ Suuret kiitokset kirjoittajillemme Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu ja Amy Boyd
🎨 Kiitokset myös kuvittajillemme Tomomi Imura, Dasani Madipalli ja Jen Looper
🙏 Erityiskiitokset 🙏 Microsoft Student Ambassador -kirjoittajillemme, arvioijillemme ja sisällöntuottajillemme, erityisesti Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila ja Snigdha Agarwal
🤩 Erityiskiitokset Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi ja Vidushi Gupta R-oppitunneistamme!
Aloittaminen
Noudata näitä ohjeita:
- Haarauta repositorio: Klikkaa "Fork"-painiketta tämän sivun oikeassa yläkulmassa.
- Kloonaa repositorio:
git clone https://github.com/microsoft/ML-For-Beginners.git
löydä kaikki lisäresurssit tähän kurssiin Microsoft Learn -kokoelmastamme
Opiskelijat, haaroittakaa koko repositorio omaan GitHub-tiliinne ja suorittakaa harjoitukset itsenäisesti tai ryhmässä:
- Aloita ennen oppituntia tehtävällä kyselyllä.
- Lue oppitunti ja suorita aktiviteetit, pysähtyen ja pohtien jokaisen tietotarkistuksen kohdalla.
- Yritä luoda projektit ymmärtämällä oppitunnit sen sijaan, että suorittaisit ratkaisukoodin; kuitenkin kyseinen koodi on saatavilla
/solution-kansioissa jokaisessa projektiin perustuvassa oppitunnissa. - Suorita oppitunnin jälkeinen kysely.
- Suorita haaste.
- Suorita tehtävä.
- Kun olet suorittanut oppituntiryhmän, käy Keskustelupalstalla ja "opettele ääneen" täyttämällä sopiva PAT-arviointityökalu. PAT on edistymisen arviointityökalu, joka on kaavake, jonka täytät oppimisesi edistämiseksi. Voit myös reagoida muiden PAT-arviointeihin, jotta voimme oppia yhdessä.
Jatko-opiskelua varten suosittelemme seuraamaan näitä Microsoft Learn moduuleja ja oppimispolkuja.
Opettajat, olemme sisällyttäneet joitakin ehdotuksia tämän opintosuunnitelman käyttöön.
Video-opastukset
Osa oppitunneista on saatavilla lyhyinä videoina. Löydät ne kaikki oppituntien sisällä tai ML for Beginners -soittolistalta Microsoft Developer YouTube -kanavalla klikkaamalla alla olevaa kuvaa.
Tutustu tiimiin
Gif by Mohit Jaisal
🎥 Klikkaa yllä olevaa kuvaa nähdäksesi videon projektista ja sen tekijöistä!
Pedagogiikka
Olemme valinneet kaksi pedagogista periaatetta tämän opintosuunnitelman rakentamiseen: varmistamme, että se on käytännönläheinen projektipohjainen ja että se sisältää usein kyselyitä. Lisäksi tämä opintosuunnitelma sisältää yhteisen teeman, joka antaa sille yhtenäisyyttä.
Varmistamalla, että sisältö liittyy projekteihin, prosessi on opiskelijoille kiinnostavampi ja käsitteiden omaksuminen paranee. Lisäksi matalan kynnyksen kysely ennen oppituntia ohjaa opiskelijan huomion oppimaan aihetta, kun taas toinen kysely oppitunnin jälkeen varmistaa lisämuistamisen. Tämä opintosuunnitelma on suunniteltu joustavaksi ja hauskaksi, ja sen voi suorittaa kokonaan tai osittain. Projektit alkavat pienistä ja muuttuvat yhä monimutkaisemmiksi 12 viikon jakson loppuun mennessä. Tämä opintosuunnitelma sisältää myös jälkikirjoituksen koneoppimisen käytännön sovelluksista, joita voidaan käyttää lisäpisteinä tai keskustelun pohjana.
Löydä käytössäännöt, osallistumisohjeet ja käännösohjeet. Otamme mielellämme vastaan rakentavaa palautettasi!
Jokainen oppitunti sisältää
- valinnainen piirrosmuistiinpano
- valinnainen lisävideo
- video-opastus (vain joissakin oppitunneissa)
- lämmittelykysely ennen oppituntia
- kirjallinen oppitunti
- projektipohjaisissa oppitunneissa vaiheittaiset ohjeet projektin rakentamiseen
- tietotarkistukset
- haaste
- lisälukemista
- tehtävä
- kysely oppitunnin jälkeen
Huomio kielistä: Nämä oppitunnit on pääasiassa kirjoitettu Pythonilla, mutta monet ovat saatavilla myös R-kielellä. R-oppitunnin suorittamiseksi siirry
/solution-kansioon ja etsi R-oppitunnit. Ne sisältävät .rmd-päätteen, joka edustaa R Markdown -tiedostoa, jota voidaan yksinkertaisesti määritellä koodilohkojen (R tai muiden kielten) ja YAML-otsikon (ohjaa ulostulon muotoilua, kuten PDF) upottamisena Markdown-dokumenttiin. Näin ollen se toimii esimerkillisenä kirjoituskehyksenä data-analytiikalle, koska sen avulla voit yhdistää koodisi, sen tuloksen ja ajatuksesi kirjoittamalla ne Markdowniin. Lisäksi R Markdown -dokumentit voidaan renderöidä ulostulomuotoihin, kuten PDF, HTML tai Word.
Huomio kyselyistä: Kaikki kyselyt sisältyvät Quiz App -kansioon, yhteensä 52 kyselyä, joissa on kolme kysymystä kussakin. Ne on linkitetty oppituntien sisällä, mutta kyselysovellus voidaan ajaa paikallisesti; seuraa
quiz-app-kansion ohjeita paikalliseen isännöintiin tai Azureen julkaisemiseen.
| Oppitunnin numero | Aihe | Oppituntiryhmä | Oppimistavoitteet | Linkitetty oppitunti | Kirjoittaja |
|---|---|---|---|---|---|
| 01 | Johdatus koneoppimiseen | Johdanto | Opi koneoppimisen peruskäsitteet | Oppitunti | Muhammad |
| 02 | Koneoppimisen historia | Johdanto | Opi tämän alan taustalla oleva historia | Oppitunti | Jen ja Amy |
| 03 | Oikeudenmukaisuus ja koneoppiminen | Johdanto | Mitkä ovat tärkeät filosofiset kysymykset oikeudenmukaisuudesta, jotka opiskelijoiden tulisi ottaa huomioon rakentaessaan ja soveltaessaan ML-malleja? | Oppitunti | Tomomi |
| 04 | Koneoppimisen tekniikat | Introduction | Mitä tekniikoita koneoppimisen tutkijat käyttävät rakentaakseen koneoppimismalleja? | Lesson | Chris ja Jen |
| 05 | Johdatus regressioon | Regression | Aloita Pythonin ja Scikit-learnin käyttö regressiomallien rakentamisessa |
- [Python](2-Regression/1-Tools/README.md)
- [R](../../2-Regression/1-Tools/solution/R/lesson_1.html)
- Jen
- Eric Wanjau
- [Python](2-Regression/2-Data/README.md)
- [R](../../2-Regression/2-Data/solution/R/lesson_2.html)
- Jen
- Eric Wanjau
- [Python](2-Regression/3-Linear/README.md)
- [R](../../2-Regression/3-Linear/solution/R/lesson_3.html)
- Jen ja Dmitry
- Eric Wanjau
- [Python](2-Regression/4-Logistic/README.md)
- [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html)
- Jen
- Eric Wanjau
- [Python](4-Classification/1-Introduction/README.md)
- [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) |
- Jen ja Cassie
- Eric Wanjau
- [Python](4-Classification/2-Classifiers-1/README.md)
- [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) |
- Jen ja Cassie
- Eric Wanjau
- [Python](4-Classification/3-Classifiers-2/README.md)
- [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) |
- Jen ja Cassie
- Eric Wanjau
- [Python](5-Clustering/1-Visualize/README.md)
- [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) |
- Jen
- Eric Wanjau
- [Python](5-Clustering/2-K-Means/README.md)
- [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) |
- Jen
- Eric Wanjau
löydä kaikki lisäresurssit tähän kurssiin Microsoft Learn -kokoelmastamme
Offline-käyttö
Voit käyttää tätä dokumentaatiota offline-tilassa käyttämällä Docsify. Haarauta tämä repo, asenna Docsify paikalliselle koneellesi ja kirjoita tämän repon juurikansiossa
docsify serve. Verkkosivusto palvelee portissa 3000 paikallisessa verkossasi:localhost:3000.PDF:t
Löydä kurssin PDF-linkkeineen täältä.
🎒 Muut kurssit
Tiimimme tuottaa muita kursseja! Tutustu:
- Generative AI for Beginners
- Generative AI for Beginners .NET
- Generative AI with JavaScript
- Generative AI with Java
- AI for Beginners
- Data Science for Beginners
- ML for Beginners
- Cybersecurity for Beginners
- Web Dev for Beginners
- IoT for Beginners
- XR Development for Beginners
- Mastering GitHub Copilot for Paired Programming
- Mastering GitHub Copilot for C#/.NET Developers
- Choose Your Own Copilot Adventure
Vastuuvapauslauseke:
Tämä asiakirja on käännetty käyttämällä tekoälypohjaista käännöspalvelua Co-op Translator. Vaikka pyrimme tarkkuuteen, huomioithan, että automaattiset käännökset voivat sisältää virheitä tai epätarkkuuksia. Alkuperäinen asiakirja sen alkuperäisellä kielellä tulisi pitää ensisijaisena lähteenä. Kriittisen tiedon osalta suositellaan ammattimaista ihmiskäännöstä. Emme ole vastuussa väärinkäsityksistä tai virhetulkinnoista, jotka johtuvat tämän käännöksen käytöstä.