ML-For-Beginners/translations/zh-TW

🌐 多語言支援

透過 GitHub Action 支援（自動且持續更新）

阿拉伯語 | 孟加拉語 | 保加利亞語 | 緬甸語（緬甸） | 中文（簡體） | 中文（繁體，香港） | 中文（繁體，澳門） | 中文（繁體，臺灣） | 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 | 卡納達語 | 高棉語 | 韓語 | 立陶宛語 | 馬來語 | 馬拉雅拉姆語 | 馬拉地語 | 尼泊爾語 | 奈及利亞洋泾浜英語 | 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（古魯穆奇文） | 羅馬尼亞語 | 俄語 | 塞爾維亞語（西里爾字母） | 斯洛伐克語 | 斯洛文尼亞語 | 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

偏好本地克隆？

這個倉庫包含 50 多種語言的翻譯，會大幅增加下載大小。若想要不帶翻譯檔案克隆，請使用 sparse checkout：

Bash / macOS / Linux:

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）：

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"

這樣您可以更快下載，且完整取得完成課程所需的一切內容。

加入我們的社群

我們有持續進行 Discord 的 AI 學習系列，詳情及加入資訊請見 與 AI 一起學習系列，時間為 2025 年 9 月 18 至 30 日。在此你將獲得如何使用 GitHub Copilot 於資料科學的技巧和秘訣。

初學者機器學習課程大綱

🌍 透過世界各地的文化，環遊世界探索機器學習 🌍

微軟的 Cloud Advocates 團隊很高興能提供一個為期 12 週、共 26 課的 機器學習 課程大綱。在這個課程中，你將學習俗稱為 經典機器學習 的內容，主要使用 Scikit-learn 函式庫，且不包含深度學習；深度學習部分可參見我們的 初學者 AI 課程大綱。同時也建議搭配我們的 '初學者資料科學課程大綱' 一起學習！

跟著我們遊歷世界各地，將這些經典技術應用於來自許多地區的資料。每個課程包含課前和課後小測驗、完整的書面教學、解答、作業等。我們透過專案導向教學法讓你邊學邊做，這是幫助新技能深植的重要方法。

✍️ 衷心感謝我們的作者們 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、Jen Looper

🙏 特別感謝我們的微軟學生大使作者、審稿人與內容貢獻者，特別是 Rishit Dagli、Muhammad Sakib Khan Inan、Rohan Raj、Alexandru Petrescu、Abhishek Jaiswal、Nawrin Tabassum、Ioan Samuila 和 Snigdha Agarwal

🤩 另外非常感謝微軟學生大使 Eric Wanjau、Jasleen Sondhi 和 Vidushi Gupta 對我們的 R 課程的支持！

開始使用

按照以下步驟：

1. 派生（Fork）本倉庫：點擊本頁右上角的 “Fork” 按鈕。
2. 克隆本倉庫： git clone https://github.com/microsoft/ML-For-Beginners.git

💡 快速啟動提示： 想直接用瀏覽器上手，不用在本機安裝 Python 嗎？使用 GitHub Codespaces 建立一個雲端開發環境。點擊綠色 Code 選單，選擇 Codespaces 並建立一個 codespace；必要時在其中安裝每堂課所需的依賴套件。

在我們的 Microsoft Learn 集合中，查找本課程的所有其他資源

🔧 需要幫助？ 請查看 疑難排解指南，了解安裝、設定及執行課程時的常見問題解決方法。

學生專區，使用此課程大綱時，請將整個倉庫 fork 到你自己的 GitHub 帳號中，並自行或與小組完成練習：

• 從課前小測驗開始。
• 閱讀課文並完成活動，途中停下來思考每個知識檢查點。
• 嘗試根據課程內容自己完成專案，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在 /solution 資料夾有提供相關程式碼。
• 進行課後小測驗。
• 完成挑戰題。
• 完成作業。
• 完成一組課程後，請至 討論區 使用相對應的 PAT 評量表“發聲學習”。PAT 是一種進度評量工具，透過填寫可促進學習。你也可以回應其他人的 PAT，一起進步。

進一步學習，建議追蹤這些 Microsoft Learn 模組與學習路徑。

教師專區，我們提供了一些使用本課程大綱的建議。

---

影音教學導覽

部分課程提供短片形式的教學影片。你可以在課程中直接觀看，或前往 微軟開發者 YouTube 頻道的初學者機器學習播放清單，點擊下面的圖片進入。

---

團隊成員介紹

動態圖示由 Mohit Jaisal 製作

🎥 點擊上方圖片觀看關於本專案及創作者的影片！

---

教學法

我們在設計本課程時選擇了兩大教學原則：確保是動手做的 專案導向教學，及包含 頻繁的小測驗。此外，本課程有統一 主題，使課程內容更有連貫性。

透過把內容與專案結合，提升學生的參與感與概念的留存率。低風險的小測驗位於課前，設定學習目標，而第二次測驗位於課後，加強記憶。此課程設計靈活有趣，可全修或部分參與。專案從簡單開始，隨著 12 週課程逐步複雜。本課程還包含關於機器學習實際應用的後記，可作為額外學分或討論基礎。

查看我們的 行為準則、貢獻指南、翻譯指南 與疑難排解。歡迎提供建設性意見！

每堂課包含

• 選用的手繪筆記
• 選用的補充影片
• 影片導覽（部分課程提供）
• 課前暖身小測驗
• 書面課程內容
• 以專案為導向的課程提供專案建置逐步指導
• 知識檢查
• 挑戰題
• 補充閱讀
• 作業
• 課後小測驗

語言說明：這些課程主要使用 Python 撰寫，但許多也有 R 版本。欲完成 R 課程，請前往 /solution 資料夾尋找 R 課程，檔案副檔名為 .rmd，代表 R Markdown 檔案，簡單說是將 程式碼區塊（包括 R 或其他語言）和 YAML 標頭（用以格式化輸出如 PDF）嵌入 Markdown 文件。因此它是一個典範的資料科學撰寫架構，允許你結合程式碼、輸出與筆記文字。R Markdown 文件也能輸出為 PDF、HTML 或 Word 等格式。

小測驗說明：所有小測驗集中在 Quiz App 資料夾，共 52 個小測驗，每個包含三題。小測驗從課程中連結，但也可以本地執行；依照 quiz-app 資料夾的說明，在本地架設或部署到 Azure。

課程編號	主題	課程分組	學習目標	連結課程	作者
01	機器學習簡介	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	了解這個領域背後的歷史	Lesson	Jen and Amy
03	公平性與機器學習	Introduction	學生在建立與應用機器學習模型時應考慮的重要公平性哲學問題是什麼？	Lesson	Tomomi
04	機器學習技術	Introduction	機器學習研究人員使用哪些技術來建立機器學習模型？	Lesson	Chris and Jen
05	迴歸簡介	Regression	開始使用 Python 和 Scikit-learn 建立迴歸模型	Python • R	Jen • Eric Wanjau
06	北美南瓜價格 🎃	Regression	視覺化與清理資料以準備機器學習	Python • R	Jen • Eric Wanjau
07	北美南瓜價格 🎃	Regression	建立線性與多項式迴歸模型	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	建立一個網頁應用來使用你訓練好的模型	Python	Jen
10	分類簡介	Classification	清理、準備並視覺化你的資料；分類簡介	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	更多分類器	Python • R	Jen and Cassie • Eric Wanjau
13	美味的亞洲與印度料理 🍜	Classification	使用你的模型建造推薦網頁應用	Python	Jen
14	分群簡介	Clustering	清理、準備並視覺化你的資料；分群簡介	Python • R	Jen • Eric Wanjau
15	探索奈及利亞的音樂喜好 🎧	Clustering	探索 K-均值分群法	Python • R	Jen • Eric Wanjau
16	自然語言處理簡介 ☕️	Natural language processing	透過建立一個簡單的機器人來學習自然語言處理基礎	Python	Stephen
17	常見的自然語言處理任務 ☕️	Natural language processing	透過理解處理語言結構時需要的常見任務來深化你的自然語言處理知識	Python	Stephen
18	翻譯與情感分析 ♥️	Natural language processing	以珍‧奧斯汀作品進行情感分析與翻譯	Python	Stephen
19	歐洲浪漫飯店 ♥️	Natural language processing	以飯店評論進行情感分析 1	Python	Stephen
20	歐洲浪漫飯店 ♥️	Natural language processing	以飯店評論進行情感分析 2	Python	Stephen
21	時間序列預測介紹	Time series	時間序列預測介紹	Python	Francesca
22	⚡️ 世界電力使用 ⚡️ - 使用 ARIMA 的時間序列預測	Time series	使用 ARIMA 進行時間序列預測	Python	Francesca
23	⚡️ 世界電力使用 ⚡️ - 使用 SVR 的時間序列預測	Time series	使用支持向量回歸（SVR）進行時間序列預測	Python	Anirban
24	強化學習介紹	Reinforcement learning	使用 Q-Learning 介紹強化學習	Python	Dmitry
25	幫彼得避開狼！🐺	Reinforcement learning	強化學習 Gym	Python	Dmitry
後記	真實世界的機器學習場景與應用	ML in the Wild	具有趣味性且具啟發性的經典機器學習真實世界應用	Lesson	Team
後記	使用 RAI dashboard 進行機器學習模型偵錯	ML in the Wild	使用負責任 AI 儀表板元件進行機器學習模型偵錯	Lesson	Ruth Yakubu

在我們的 Microsoft Learn 集合中找到本課程的所有附加資源

離線存取

你可以使用 Docsify 離線運行此文件。分叉此倉庫，在本地機器安裝 Docsify，然後在此倉庫的根目錄中輸入 docsify serve。網站將在本地主機的 3000 端口啟動：localhost:3000。

PDF 文件

在這裡找到附帶連結的課程大綱 pdf 文件 here。

🎒 其他課程

我們團隊還製作其他課程！請參閱：

LangChain

Azure / Edge / MCP / 智能代理

---

生成式人工智慧系列

---

核心學習

---

搭檔助理系列

尋求協助

若在學習機器學習或建立 AI 應用程式時遇到困難或有問題，不用擔心 — 有協助管道。

你可以加入其他學習者和開發者的討論、提出問題，並與社群分享你的想法。

• 加入社群，提出問題並與他人一同學習
• 討論機器學習概念及專案想法
• 獲得經驗豐富開發者的指導

支援性的社群是提升技能和更快解決問題的絕佳途徑。

Microsoft Foundry Discord 社群

若遇到錯誤、異常或有改進建議，你也可以在此倉庫開啟 問題 報告。

若要提供產品回饋或搜尋現有社群文章，請造訪開發者論壇：

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。
• 利用學到的概念探索真實世界資料集。

---

免責聲明： 此文件已使用 AI 翻譯服務 Co-op Translator 進行翻譯。雖然我們努力追求準確性，但請注意自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應視為權威來源。對於關鍵資訊，建議採用專業人工翻譯。我們不對因使用此翻譯所產生的任何誤解或誤譯承擔責任。