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 | 簡體中文 | 繁體中文（香港） | 繁體中文（澳門） | 繁體中文（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 | 尼日利亞皮欽語 | 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

想要本機複製？

此儲存庫包含超過 50 種語言翻譯，這會大幅增加下載大小。若想不包含翻譯檔案可使用 sparse checkout：

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'

這能讓你快速獲得完成課程所需的全部內容，下載速度更快。

加入我們的社群

我們正持續舉辦 Discord 人工智慧系列學習活動，更多資訊及加入請至 Learn with AI Series，活動時間為 2025 年 9 月 18 日至 30 日。你將獲得使用 GitHub Copilot 於資料科學的技巧與秘訣。

機器學習初學者課程

🌍 跟隨世界文化環遊世界，一起探索機器學習 🌍

微軟的 Cloud Advocates 很高興提供一套為期 12 週、共 26 課的 機器學習 課程。在這套課程中，你將學習有時稱作經典機器學習的知識，主要使用 Scikit-learn 作為函式庫，並避免深入探討深度學習，那部分內容包含在我們的 AI 初學者課程 中。也可以搭配我們的 '資料科學初學者課程'一併學習！

跟我們一起環遊世界，應用這些經典技術於世界各地的資料。每堂課包括課前與課後小測驗、步驟說明完成課程、解答、專題練習等。我們採用專案式教學法，讓你透過實做學習，這是讓新技能容易學會的方法。

✍️ 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

🎨 也感謝插畫家 Tomomi Imura、Dasani Madipalli 和 Jen Looper

🙏 特別感謝微軟學生大使們，包括作者、審核者與內容貢獻者，尤其是 Rishit Dagli、Muhammad Sakib Khan Inan、Rohan Raj、Alexandru Petrescu、Abhishek Jaiswal、Nawrin Tabassum、Ioan Samuila 以及 Snigdha Agarwal

🤩 額外感謝微軟學生大使 Eric Wanjau、Jasleen Sondhi 和 Vidushi Gupta 為我們的 R 課程增添助力！

開始使用

請跟著以下步驟：

1. 分支此儲存庫：點擊本頁右上方的 "Fork" 按鈕。
2. 複製此儲存庫：git clone https://github.com/microsoft/ML-For-Beginners.git

欲獲得本課程的所有額外資源，請參閱我們的 Microsoft Learn 集合

🔧 需要幫助？ 請查看我們的 疑難排解指南，了解安裝、設定及執行課程常見問題的解決方案。

學生，使用此課程時，請將整個儲存庫 fork 到你自己的 GitHub 帳號，然後單獨或與團隊完成練習：

• 先進行課前小測驗。
• 閱讀課程內容並完成活動，於每個知識點停下反思。
• 盡量嘗試理解教材自行製作專案，而不是直接執行解答程式碼；不過解答都放在各專案課程的 /solution 資料夾中。
• 完成課後小測驗。
• 完成挑戰題。
• 完成作業。
• 完成一組課程後，請到 討論區 並透過填寫適當的 PAT 評量表來「邊學邊說」。PAT 是一種進度評估工具，你填寫後有助於深化學習。你也可以對其他人的 PAT 做回應，共同學習。

想深造的話，我們推薦下列 Microsoft Learn 模組與學習路徑。

老師們，我們已經 提供如何使用這套課程的建議。

---

影片導覽

部分課程提供短片影片。你可以在各堂課中找到，或前往 微軟開發者 YouTube 頻道的 ML for Beginners 播放清單，點擊下方圖片觀看。

---

團隊介紹

Gif 動畫製作者 Mohit Jaisal

🎥 點擊上方圖片觀看專案與製作者影片介紹！

---

教學法

我們在設計這套課程時採用了兩個教學原則：保證是實作為主的 專案導向，以及包含 頻繁的測驗。同時，課程有統一的 主題，讓內容更連貫。

將內容與專題緊密結合，使學習過程更生動，也能加強概念記憶。課前的低壓力測驗能幫助學生設定學習目標，而課後測驗則促進更完整的學習吸收。這套課程設計靈活有趣，整體或部分學習都適合。專案從簡單開始，隨 12 週推進逐漸複雜。課程還包括一篇關於機器學習實際應用的後記，可作為附加學分或討論基礎。

請參閱我們的 行為守則、貢獻指南、翻譯指南 及 疑難排解 方針。我們歡迎您的建設性回饋！

每堂課包括

• 可選擇的手繪筆記
• 可選擇的補充影片
• 影片導覽（部分課程）
• 課前熱身小測驗
• 書面課程說明
• 專案課程的逐步指南教你建構專案
• 知識點檢測
• 挑戰題
• 補充閱讀
• 作業
• 課後測驗

關於語言的說明：這些課程主要用 Python 撰寫，但很多也提供 R 版本。若欲完成 R 課程，請進入 /solution 資料夾查找 R 版本課程。它們以 .rmd 副檔名標示，代表 R Markdown 文件，這種格式將 R 或其他語言的「程式碼區塊」與「YAML 標頭」（指導如何格式化輸出如 PDF）結合在 Markdown 文件中。此格式是資料科學的理想編寫架構，因為它允許你同時記錄程式碼、執行輸出與心得，透過 Markdown 直觀呈現。此外，R Markdown 文件可以輸出為 PDF、HTML 或 Word 等格式。 關於測驗的說明：所有測驗皆包含於 Quiz App folder 中，共有 52 個測驗，每個測驗包含三個問題。這些測驗會從課程中連結，但也可以在本地執行測驗應用程式；請依照 quiz-app 資料夾中的說明進行本地端架設或部署到 Azure。

Lesson Number	Topic	Lesson Grouping	Learning Objectives	Linked Lesson	Author
01	機器學習導論	Introduction	瞭解機器學習的基本概念	Lesson	Muhammad
02	機器學習的歷史	Introduction	瞭解此領域背後的歷史	Lesson	Jen and Amy
03	公平性與機器學習	Introduction	學生在建構及應用機器學習模型時，應思考的公平性相關重要哲學議題	Lesson	Tomomi
04	機器學習技術	Introduction	機器學習研究者用以建構機器學習模型的方法有哪些？	Lesson	Chris and Jen
05	回歸介紹	Regression	開始使用 Python 和 Scikit-learn 進行回歸模型建構	Python • R	Jen • Eric Wanjau
06	北美洲南瓜價格 🎃	Regression	視覺化與清理資料，為機器學習作準備	Python • R	Jen • Eric Wanjau
07	北美洲南瓜價格 🎃	Regression	建構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	建立邏輯斯回歸模型	Python • R	Jen • Eric Wanjau
09	一個網頁應用 🔌	Web App	建立使用已訓練模型的網頁應用	Python	Jen
10	分類介紹	Classification	洗淨、準備及視覺化資料；分類介紹	Python • R	Jen and Cassie • Eric Wanjau
11	美味的亞洲與印度料理 🍜	Classification	分類器介紹	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	使用模型建立推薦系統網頁應用	Python	Jen
14	叢集介紹	Clustering	清理、準備及視覺化資料；叢集介紹	Python • R	Jen • Eric Wanjau
15	探索奈及利亞音樂品味 🎧	Clustering	探索 K-Means 叢集方法	Python • R	Jen • Eric Wanjau
16	自然語言處理入門 ☕️	Natural language processing	透過建立簡單機器人來學習自然語言處理的基礎	Python	Stephen
17	常見的自然語言處理任務 ☕️	Natural language processing	深入了解處理語言結構時常見的自然語言處理任務	Python	Stephen
18	翻譯與情感分析 ♥️	Natural language processing	使用 Jane Austen 進行翻譯與情感分析	Python	Stephen
19	歐洲浪漫飯店 ♥️	Natural language processing	使用飯店評論進行情感分析 1	Python	Stephen
20	歐洲浪漫飯店 ♥️	Natural language processing	使用飯店評論進行情感分析 2	Python	Stephen
21	時序預測入門	Time series	時序預測介紹	Python	Francesca
22	⚡️ 世界能源使用 ⚡️ - 使用 ARIMA 進行時序預測	Time series	使用 ARIMA 進行時序預測	Python	Francesca
23	⚡️ 世界能源使用 ⚡️ - 使用 SVR 進行時序預測	Time series	使用支持向量迴歸 (SVR) 進行時序預測	Python	Anirban
24	強化學習介紹	Reinforcement learning	以 Q-Learning 介紹強化學習	Python	Dmitry
25	幫助彼得避免狼！🐺	Reinforcement learning	強化學習 Gym	Python	Dmitry
後記	現實世界中的機器學習場景與應用	ML in the Wild	傳統機器學習在現實世界中有趣且深刻的應用	Lesson	團隊
後記	使用 RAI 儀表板進行機器學習模型偵錯	ML in the Wild	使用 Responsible 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額外資源

離線存取

您可以使用 Docsify 離線執行本文件。複製此倉庫，在本機安裝 Docsify，然後在此倉庫根目錄輸入 docsify serve。網頁將在本機的 3000 連接埠啟動：localhost:3000。

PDF

此處可找到課程大綱及連結的 PDF 檔案。

🎒 其他課程

我們團隊還製作其他課程！歡迎參考：

LangChain

---

Azure / Edge / MCP / Agents

---

Generative AI Series

---

核心學習

---

Copilot 系列

尋求協助

如果您在構建 AI 應用程式時遇到困難或有任何疑問，歡迎加入學習者和經驗豐富的開發者一起討論 MCP。這是一個支持性的社群，歡迎提問並自由分享知識。

如果您在開發過程中有產品反饋或錯誤，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。雖然我們致力於確保翻譯的準確性，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。對於重要資訊，建議採用專業人工翻譯。我們不對因使用本翻譯所導致的任何誤解或誤譯承擔責任。