leestott
fe821829a2
|
11 months ago | |
|---|---|---|
| .. | ||
| 1-Introduction | 11 months ago | |
| 2-Regression | 11 months ago | |
| 3-Web-App | 11 months ago | |
| 4-Classification | 11 months ago | |
| 5-Clustering | 11 months ago | |
| 6-NLP | 11 months ago | |
| 7-TimeSeries | 11 months ago | |
| 8-Reinforcement | 11 months ago | |
| 9-Real-World | 11 months ago | |
| docs | 11 months ago | |
| quiz-app | 11 months ago | |
| sketchnotes | 11 months ago | |
| CODE_OF_CONDUCT.md | 11 months ago | |
| CONTRIBUTING.md | 11 months ago | |
| PyTorch_Fundamentals.ipynb | 11 months ago | |
| README.md | 11 months ago | |
| SECURITY.md | 11 months ago | |
| SUPPORT.md | 11 months ago | |
| for-teachers.md | 11 months ago | |
README.md
🌐 Υποστήριξη Πολλών Γλωσσών
Υποστηρίζεται μέσω GitHub Action (Αυτοματοποιημένο & Πάντα Ενημερωμένο)
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)
Γίνετε μέλος της κοινότητας
Μηχανική Μάθηση για Αρχάριους - Ένα Πρόγραμμα Σπουδών
🌍 Ταξιδέψτε σε όλο τον κόσμο καθώς εξερευνούμε τη Μηχανική Μάθηση μέσω των πολιτισμών του κόσμου 🌍
Οι Cloud Advocates της Microsoft είναι στην ευχάριστη θέση να προσφέρουν ένα πρόγραμμα σπουδών 12 εβδομάδων, με 26 μαθήματα, αφιερωμένο στη Μηχανική Μάθηση. Σε αυτό το πρόγραμμα σπουδών, θα μάθετε για αυτό που συχνά αποκαλείται κλασική μηχανική μάθηση, χρησιμοποιώντας κυρίως τη βιβλιοθήκη Scikit-learn και αποφεύγοντας τη βαθιά μάθηση, η οποία καλύπτεται στο πρόγραμμα σπουδών "AI for Beginners". Συνδυάστε αυτά τα μαθήματα με το πρόγραμμα σπουδών 'Data Science for Beginners', επίσης!
Ταξιδέψτε μαζί μας σε όλο τον κόσμο καθώς εφαρμόζουμε αυτές τις κλασικές τεχνικές σε δεδομένα από πολλές περιοχές του κόσμου. Κάθε μάθημα περιλαμβάνει κουίζ πριν και μετά το μάθημα, γραπτές οδηγίες για την ολοκλήρωση του μαθήματος, λύση, εργασία και πολλά άλλα. Η παιδαγωγική μας προσέγγιση που βασίζεται σε έργα σας επιτρέπει να μαθαίνετε ενώ δημιουργείτε, ένας αποδεδειγμένος τρόπος για να εδραιώσετε νέες δεξιότητες.
✍️ Θερμές ευχαριστίες στους συγγραφείς μας Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu και Amy Boyd
🎨 Ευχαριστίες επίσης στους εικονογράφους μας Tomomi Imura, Dasani Madipalli και Jen Looper
🙏 Ειδικές ευχαριστίες 🙏 στους Microsoft Student Ambassador συγγραφείς, κριτές και συνεισφέροντες περιεχομένου, ιδιαίτερα στους Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila και Snigdha Agarwal
🤩 Επιπλέον ευγνωμοσύνη στους Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi και Vidushi Gupta για τα μαθήματα R μας!
Ξεκινώντας
Ακολουθήστε αυτά τα βήματα:
- Κάντε Fork το Αποθετήριο: Πατήστε το κουμπί "Fork" στην επάνω δεξιά γωνία αυτής της σελίδας.
- Κλωνοποιήστε το Αποθετήριο:
git clone https://github.com/microsoft/ML-For-Beginners.git
βρείτε όλους τους πρόσθετους πόρους για αυτό το μάθημα στη συλλογή Microsoft Learn
Φοιτητές, για να χρησιμοποιήσετε αυτό το πρόγραμμα σπουδών, κάντε fork ολόκληρο το αποθετήριο στον δικό σας λογαριασμό GitHub και ολοκληρώστε τις ασκήσεις μόνοι σας ή με μια ομάδα:
- Ξεκινήστε με ένα κουίζ πριν από το μάθημα.
- Διαβάστε το μάθημα και ολοκληρώστε τις δραστηριότητες, κάνοντας παύση και αναστοχασμό σε κάθε έλεγχο γνώσεων.
- Προσπαθήστε να δημιουργήσετε τα έργα κατανοώντας τα μαθήματα αντί να εκτελείτε τον κώδικα λύσης. Ωστόσο, αυτός ο κώδικας είναι διαθέσιμος στους φακέλους
/solutionσε κάθε μάθημα που βασίζεται σε έργο. - Κάντε το κουίζ μετά το μάθημα.
- Ολοκληρώστε την πρόκληση.
- Ολοκληρώστε την εργασία.
- Αφού ολοκληρώσετε μια ομάδα μαθημάτων, επισκεφθείτε τον Πίνακα Συζητήσεων και "μάθετε δυνατά" συμπληρώνοντας το κατάλληλο PAT rubric. Ένα 'PAT' είναι ένα Εργαλείο Αξιολόγησης Προόδου που είναι ένα rubric που συμπληρώνετε για να προωθήσετε τη μάθησή σας. Μπορείτε επίσης να αντιδράσετε σε άλλα PATs ώστε να μάθουμε μαζί.
Για περαιτέρω μελέτη, προτείνουμε να ακολουθήσετε αυτά τα Microsoft Learn modules και learning paths.
Καθηγητές, έχουμε συμπεριλάβει κάποιες προτάσεις για το πώς να χρησιμοποιήσετε αυτό το πρόγραμμα σπουδών.
Βίντεο Οδηγίες
Μερικά από τα μαθήματα είναι διαθέσιμα ως σύντομα βίντεο. Μπορείτε να βρείτε όλα αυτά ενσωματωμένα στα μαθήματα ή στη λίστα αναπαραγωγής "ML for Beginners" στο κανάλι Microsoft Developer στο YouTube κάνοντας κλικ στην παρακάτω εικόνα.
Γνωρίστε την Ομάδα
Gif από Mohit Jaisal
🎥 Κάντε κλικ στην παραπάνω εικόνα για ένα βίντεο σχετικά με το έργο και τους ανθρώπους που το δημιούργησαν!
Παιδαγωγική
Επιλέξαμε δύο παιδαγωγικές αρχές κατά τη δημιουργία αυτού του προγράμματος σπουδών: να είναι πρακτικό βασισμένο σε έργα και να περιλαμβάνει συχνά κουίζ. Επιπλέον, αυτό το πρόγραμμα σπουδών έχει ένα κοινό θέμα για να του δώσει συνοχή.
Με την εξασφάλιση ότι το περιεχόμενο ευθυγραμμίζεται με έργα, η διαδικασία γίνεται πιο ενδιαφέρουσα για τους μαθητές και η διατήρηση των εννοιών ενισχύεται. Επιπλέον, ένα κουίζ χαμηλού κινδύνου πριν από το μάθημα θέτει την πρόθεση του μαθητή να μάθει ένα θέμα, ενώ ένα δεύτερο κουίζ μετά το μάθημα εξασφαλίζει περαιτέρω διατήρηση. Αυτό το πρόγραμμα σπουδών σχεδιάστηκε για να είναι ευέλικτο και διασκεδαστικό και μπορεί να ληφθεί ολόκληρο ή εν μέρει. Τα έργα ξεκινούν μικρά και γίνονται ολοένα και πιο περίπλοκα μέχρι το τέλος του κύκλου των 12 εβδομάδων. Αυτό το πρόγραμμα σπουδών περιλαμβάνει επίσης ένα επίμετρο για τις εφαρμογές της Μηχανικής Μάθησης στον πραγματικό κόσμο, το οποίο μπορεί να χρησιμοποιηθεί ως επιπλέον πίστωση ή ως βάση για συζήτηση.
Βρείτε τον Κώδικα Συμπεριφοράς, Οδηγίες Συνεισφοράς και Οδηγίες Μετάφρασης. Καλωσορίζουμε τα εποικοδομητικά σας σχόλια!
Κάθε μάθημα περιλαμβάνει
- προαιρετικό σκίτσο
- προαιρετικό συμπληρωματικό βίντεο
- βίντεο οδηγίες (μόνο σε ορισμένα μαθήματα)
- κουίζ προθέρμανσης πριν το μάθημα
- γραπτό μάθημα
- για μαθήματα που βασίζονται σε έργα, οδηγίες βήμα προς βήμα για την κατασκευή του έργου
- έλεγχοι γνώσεων
- μια πρόκληση
- συμπληρωματική ανάγνωση
- εργασία
- κουίζ μετά το μάθημα
Σημείωση για τις γλώσσες: Αυτά τα μαθήματα είναι κυρίως γραμμένα σε Python, αλλά πολλά είναι επίσης διαθέσιμα σε R. Για να ολοκληρώσετε ένα μάθημα R, μεταβείτε στον φάκελο
/solutionκαι αναζητήστε μαθήματα R. Περιλαμβάνουν μια επέκταση .rmd που αντιπροσωπεύει ένα R Markdown αρχείο, το οποίο μπορεί να οριστεί απλά ως ενσωμάτωσηcode chunks(σε R ή άλλες γλώσσες) και ενόςYAML header(που καθοδηγεί πώς να μορφοποιηθούν εξαγωγές όπως PDF) σε έναMarkdown document. Ως εκ τούτου, χρησιμεύει ως ένα εξαιρετικό πλαίσιο συγγραφής για την επιστήμη δεδομένων, καθώς σας επιτρέπει να συνδυάσετε τον κώδικά σας, την έξοδό του και τις σκέψεις σας γράφοντάς τες σε Markdown. Επιπλέον, τα R Markdown έγγραφα μπορούν να αποδοθούν σε μορφές εξαγωγής όπως PDF, HTML ή Word.
Σημείωση για τα κουίζ: Όλα τα κουίζ περιέχονται στον φάκελο Quiz App, για συνολικά 52 κουίζ των τριών ερωτήσεων το καθένα. Συνδέονται μέσα στα μαθήματα, αλλά η εφαρμογή κουίζ μπορεί να εκτελεστεί τοπικά. Ακολουθήστε τις οδηγίες στον φάκελο
quiz-appγια τοπική φιλοξενία ή ανάπτυξη στο Azure.
| Αριθμός Μαθήματος | Θέμα | Ομαδοποίηση Μαθημάτων | Στόχοι Μάθησης | Συνδεδεμένο Μάθημα | Συγγραφέας |
|---|---|---|---|---|---|
| 01 | Εισαγωγή στη μηχανική μάθηση | Εισαγωγή | Μάθετε τις βασικές έννοιες πίσω από τη μηχανική μάθηση | Μάθημα | Muhammad |
| 02 | Η Ιστορία της μηχανικής μάθησης | Εισαγωγή | Μάθετε την ιστορία που υποστηρίζει αυτόν τον τομέα | Μάθημα | Jen και Amy |
| 03 | Δικαιοσύνη και μηχανική μάθηση | Εισαγωγή | Ποια είναι τα σημαντικά φιλοσοφικά ζητήματα γύρω από τη δικαιοσύνη που πρέπει να εξετάσουν οι μαθητές όταν δημιουργούν και εφαρμόζουν μοντέλα ML; | Μάθημα | Tomomi |
| 04 | Τεχνικές για μηχανική μάθηση | Introduction | Ποιες τεχνικές χρησιμοποιούν οι ερευνητές ML για να δημιουργήσουν μοντέλα μηχανικής μάθησης; | Lesson | Chris και Jen |
| 05 | Εισαγωγή στην παλινδρόμηση | Regression | Ξεκινήστε με Python και Scikit-learn για μοντέλα παλινδρόμησης |
- [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 και 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 και Cassie
- Eric Wanjau
- [Python](4-Classification/2-Classifiers-1/README.md)
- [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) |
- Jen και Cassie
- Eric Wanjau
- [Python](4-Classification/3-Classifiers-2/README.md)
- [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) |
- Jen και 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
βρείτε όλους τους πρόσθετους πόρους για αυτό το μάθημα στη συλλογή μας στο Microsoft Learn
Πρόσβαση εκτός σύνδεσης
Μπορείτε να εκτελέσετε αυτήν την τεκμηρίωση εκτός σύνδεσης χρησιμοποιώντας το Docsify. Κάντε fork αυτό το repo, εγκαταστήστε το Docsify στον τοπικό σας υπολογιστή και στη συνέχεια, στον βασικό φάκελο αυτού του repo, πληκτρολογήστε
docsify serve. Ο ιστότοπος θα εξυπηρετείται στην πόρτα 3000 στον localhost σας:localhost:3000.PDFs
Βρείτε ένα pdf του προγράμματος σπουδών με συνδέσμους εδώ.
🎒 Άλλα Μαθήματα
Η ομάδα μας δημιουργεί και άλλα μαθήματα! Δείτε:
- 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
Αποποίηση ευθύνης:
Αυτό το έγγραφο έχει μεταφραστεί χρησιμοποιώντας την υπηρεσία αυτόματης μετάφρασης Co-op Translator. Παρόλο που καταβάλλουμε προσπάθειες για ακρίβεια, παρακαλούμε να έχετε υπόψη ότι οι αυτοματοποιημένες μεταφράσεις ενδέχεται να περιέχουν λάθη ή ανακρίβειες. Το πρωτότυπο έγγραφο στη μητρική του γλώσσα θα πρέπει να θεωρείται η αυθεντική πηγή. Για κρίσιμες πληροφορίες, συνιστάται επαγγελματική ανθρώπινη μετάφραση. Δεν φέρουμε ευθύνη για τυχόν παρεξηγήσεις ή εσφαλμένες ερμηνείες που προκύπτουν από τη χρήση αυτής της μετάφρασης.