32 KiB
🌐 Поддержка нескольких языков
Поддерживается через GitHub Action (автоматически и всегда актуально)
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)
Присоединяйтесь к сообществу
Машинное обучение для начинающих — учебный курс
🌍 Путешествуйте по миру, изучая машинное обучение через призму мировых культур 🌍
Команда Cloud Advocates в Microsoft рада предложить 12-недельный курс, состоящий из 26 уроков, посвященных машинному обучению. В этом курсе вы познакомитесь с тем, что иногда называют классическим машинным обучением, используя в основном библиотеку Scikit-learn и избегая глубокого обучения, которое рассматривается в нашем курсе AI for Beginners. Также рекомендуем сочетать эти уроки с нашим курсом 'Data Science for Beginners'.
Путешествуйте с нами по миру, применяя классические методы к данным из разных уголков планеты. Каждый урок включает в себя тесты до и после занятия, письменные инструкции для выполнения задания, решение, задание и многое другое. Наш проектно-ориентированный подход позволяет вам учиться через практику, что доказано способствует лучшему усвоению новых навыков.
✍️ Огромная благодарность авторам: Джен Лупер, Стивен Хауэлл, Франческа Лаззери, Томоми Имура, Кэсси Бревиу, Дмитрий Сошников, Крис Норинг, Анирбан Мукерджи, Орнелла Алтуньян, Рут Якубу и Эми Бойд
🎨 Благодарим наших иллюстраторов: Томоми Имура, Дасани Мадипалли и Джен Лупер
🙏 Особая благодарность 🙏 авторам, рецензентам и контент-участникам из числа Microsoft Student Ambassadors, в частности Ришиту Дагли, Мухаммаду Сакибу Хану Инану, Рохану Раджу, Александру Петреску, Абхишеку Джайсвалу, Наврин Табассум, Иоану Самуиле и Снигдхе Агарвал
🤩 Отдельная благодарность Microsoft Student Ambassadors Эрику Ванджау, Джаслин Сонди и Видуши Гупте за уроки на языке R!
Начало работы
Следуйте этим шагам:
- Сделайте форк репозитория: Нажмите кнопку "Fork" в правом верхнем углу этой страницы.
- Клонируйте репозиторий:
git clone https://github.com/microsoft/ML-For-Beginners.git
Найдите дополнительные ресурсы для этого курса в нашей коллекции Microsoft Learn
Студенты, чтобы использовать этот курс, сделайте форк всего репозитория в свой аккаунт GitHub и выполняйте задания самостоятельно или в группе:
- Начните с теста перед лекцией.
- Прочитайте лекцию и выполните задания, делая паузы и размышляя на каждом этапе проверки знаний.
- Постарайтесь создать проекты, понимая уроки, а не просто запуская готовый код; однако этот код доступен в папках
/solutionдля каждого проектного урока. - Пройдите тест после лекции.
- Выполните задание.
- После завершения группы уроков посетите доску обсуждений и "учитесь вслух", заполняя соответствующую рубрику PAT. PAT — это инструмент оценки прогресса, который вы заполняете для углубления своего обучения. Вы также можете реагировать на другие PAT, чтобы учиться вместе.
Для дальнейшего изучения мы рекомендуем пройти эти модули и учебные пути Microsoft Learn.
Преподаватели, мы добавили несколько рекомендаций по использованию этого курса.
Видеообзоры
Некоторые уроки доступны в формате коротких видео. Вы можете найти их в самих уроках или на плейлисте ML for Beginners на YouTube-канале Microsoft Developer, нажав на изображение ниже.
Знакомьтесь с командой
Gif создан Мохитом Джайсалом
🎥 Нажмите на изображение выше, чтобы посмотреть видео о проекте и его создателях!
Педагогический подход
При создании этого курса мы выбрали два педагогических принципа: обеспечение практической проектной направленности и включение частых тестов. Кроме того, курс имеет общую тему, которая придает ему целостность.
Благодаря тому, что содержание связано с проектами, процесс становится более увлекательным для студентов, а усвоение концепций усиливается. Кроме того, тест перед занятием задает настрой на изучение темы, а второй тест после занятия способствует дальнейшему закреплению материала. Этот курс был разработан как гибкий и увлекательный, его можно проходить полностью или частично. Проекты начинаются с простых и становятся все более сложными к концу 12-недельного цикла. Курс также включает постскриптум о реальных приложениях машинного обучения, который можно использовать как дополнительный материал или основу для обсуждения.
Ознакомьтесь с нашими правилами поведения, руководством по внесению изменений и руководством по переводу. Мы будем рады вашим конструктивным отзывам!
Каждый урок включает
- необязательный скетчноут
- необязательное дополнительное видео
- видеообзор (только для некоторых уроков)
- тест перед лекцией
- письменный урок
- для проектных уроков — пошаговые инструкции по созданию проекта
- проверку знаний
- задание
- дополнительное чтение
- тест после лекции
Примечание о языках: Эти уроки в основном написаны на Python, но многие из них также доступны на R. Чтобы пройти урок на R, перейдите в папку
/solutionи найдите уроки на R. Они имеют расширение .rmd, которое представляет собой R Markdown файл, объединяющийфрагменты кода(на R или других языках) иYAML-заголовок(определяющий формат вывода, например PDF) вMarkdown-документе. Это делает его отличным инструментом для работы с данными, так как позволяет объединять код, его результаты и ваши мысли в одном документе. Кроме того, R Markdown можно преобразовать в такие форматы, как PDF, HTML или Word.
Примечание о тестах: Все тесты находятся в папке Quiz App, всего 52 теста по три вопроса в каждом. Они связаны с уроками, но приложение для тестов можно запустить локально; следуйте инструкциям в папке
quiz-app, чтобы запустить локально или развернуть в Azure.
| Номер урока | Тема | Группа уроков | Цели обучения | Ссылка на урок | Автор |
|---|---|---|---|---|---|
| 01 | Введение в машинное обучение | Введение | Изучите основные концепции машинного обучения | Урок | Мухаммад |
| 02 | История машинного обучения | Введение | Узнайте историю этой области | Урок | Джен и Эми |
| 03 | Справедливость в машинном обучении | Введение | Какие философские вопросы о справедливости должны учитывать студенты при создании и применении моделей машинного обучения? | Урок | Томоми |
| 04 | Методы машинного обучения | Введение | Какие методы используют исследователи для создания моделей машинного обучения? | Урок | Крис и Джен |
| 05 | Введение в регрессию | Regression | Начало работы с Python и Scikit-learn для моделей регрессии |
- [Python](2-Regression/1-Tools/README.md)
- [R](../../2-Regression/1-Tools/solution/R/lesson_1.html)
- Джен
- Эрик Ванжау
- [Python](2-Regression/2-Data/README.md)
- [R](../../2-Regression/2-Data/solution/R/lesson_2.html)
- Джен
- Эрик Ванжау
- [Python](2-Regression/3-Linear/README.md)
- [R](../../2-Regression/3-Linear/solution/R/lesson_3.html)
- Джен и Дмитрий
- Эрик Ванжау
- [Python](2-Regression/4-Logistic/README.md)
- [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html)
- Джен
- Эрик Ванжау
- [Python](4-Classification/1-Introduction/README.md)
- [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) |
- Джен и Кэсси
- Эрик Ванжау
- [Python](4-Classification/2-Classifiers-1/README.md)
- [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) |
- Джен и Кэсси
- Эрик Ванжау
- [Python](4-Classification/3-Classifiers-2/README.md)
- [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) |
- Джен и Кэсси
- Эрик Ванжау
- [Python](5-Clustering/1-Visualize/README.md)
- [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) |
- Джен
- Эрик Ванжау
- [Python](5-Clustering/2-K-Means/README.md)
- [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) |
- Джен
- Эрик Ванжау
найдите все дополнительные ресурсы для этого курса в нашей коллекции Microsoft Learn
Оффлайн-доступ
Вы можете использовать эту документацию оффлайн с помощью Docsify. Сделайте форк этого репозитория, установите Docsify на вашем локальном компьютере, а затем в корневой папке репозитория выполните команду
docsify serve. Веб-сайт будет доступен на порту 3000 по адресу:localhost:3000.PDF-файлы
PDF-версию учебного плана с ссылками можно найти здесь.
🎒 Другие курсы
Наша команда создает и другие курсы! Ознакомьтесь с:
- 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
Отказ от ответственности:
Этот документ был переведен с помощью сервиса автоматического перевода Co-op Translator. Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.