27 KiB

Raw Blame History Unescape Escape

🌐 Monikielinen tuki

Tuettu GitHub Actionin kautta (automaattinen ja aina ajan tasalla)

Liity yhteisöömme

Meillä on käynnissä Discordissa "Learn with AI" -sarja, josta voit oppia lisää ja liittyä mukaan Learn with AI Series -tapahtumaan 18.–30. syyskuuta 2025. Saat vinkkejä ja niksejä GitHub Copilotin käyttöön datatieteessä.

Koneoppiminen aloittelijoille - Opetussuunnitelma

🌍 Matkusta maailman ympäri tutustuessasi koneoppimiseen eri kulttuurien kautta 🌍

Microsoftin Cloud Advocates -tiimi tarjoaa mielellään 12 viikon ja 26 oppitunnin mittaisen opetussuunnitelman, joka käsittelee koneoppimista. Tämän opetussuunnitelman avulla opit, mitä joskus kutsutaan klassiseksi koneoppimiseksi, käyttäen pääasiassa Scikit-learn-kirjastoa ja välttäen syväoppimista, joka käsitellään AI for Beginners -opetussuunnitelmassamme. Yhdistä nämä oppitunnit myös 'Data Science for Beginners' -opetussuunnitelmaamme!

Matkusta kanssamme ympäri maailmaa, kun sovellamme näitä klassisia tekniikoita eri puolilta maailmaa peräisin olevaan dataan. Jokainen oppitunti sisältää alku- ja loppukyselyt, kirjalliset ohjeet oppitunnin suorittamiseen, ratkaisun, tehtävän ja paljon muuta. Projektipohjainen oppimismenetelmämme mahdollistaa oppimisen tekemisen 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 -jäsenille Eric Wanjau, Jasleen Sondhi ja Vidushi Gupta R-oppitunneistamme!

Aloittaminen

Seuraa näitä ohjeita:

Haarauta arkisto: Klikkaa tämän sivun oikeassa yläkulmassa olevaa "Fork"-painiketta.
Kloonaa arkisto: git clone https://github.com/microsoft/ML-For-Beginners.git

löydä kaikki lisäresurssit tälle kurssille Microsoft Learn -kokoelmastamme

🔧 Tarvitsetko apua? Katso Vianetsintäoppaamme saadaksesi ratkaisuja yleisiin asennus-, asetus- ja oppituntien suorittamiseen liittyviin ongelmiin.

Opiskelijat, käyttäkää tätä opetussuunnitelmaa haaroittamalla koko arkisto omaan GitHub-tiliinne ja suorittamalla harjoitukset itsenäisesti tai ryhmässä:

Aloita esiluennon kyselyllä.
Lue luento ja suorita tehtävät, pysähdy ja pohdi jokaisen tietotarkistuksen kohdalla.
Yritä luoda projektit ymmärtämällä oppitunnit sen sijaan, että suorittaisit valmista ratkaisukoodia; kuitenkin kyseinen koodi on saatavilla kunkin projektipohjaisen oppitunnin /solution-kansioissa.
Tee jälkiluennon kysely.
Suorita haaste.
Suorita tehtävä.
Kun olet suorittanut oppituntiryhmän, käy Keskustelupalstalla ja "opettele ääneen" täyttämällä sopiva PAT-arviointilomake. 'PAT' on edistymisen arviointityökalu, joka on lomake, jonka täytät oppimisesi edistämiseksi. Voit myös reagoida muiden PAT-lomakkeisiin, jotta voimme oppia yhdessä.

Jatko-opiskelua varten suosittelemme seuraamaan näitä Microsoft Learn -moduuleja ja oppimispolkuja.

Opettajat, olemme sisällyttäneet joitakin ehdotuksia tämän opetussuunnitelman käyttöön.

Video-opastukset

Osa oppitunneista on saatavilla lyhyinä videoina. Löydät ne kaikki oppituntien yhteydestä tai ML for Beginners -soittolistalta Microsoft Developer YouTube -kanavalla klikkaamalla alla olevaa kuvaa.

Tapaa tiimi

Gifin tekijä Mohit Jaisal

🎥 Klikkaa yllä olevaa kuvaa nähdäksesi videon projektista ja sen luojista!

Pedagogiikka

Valitsimme kaksi pedagogista periaatetta rakentaessamme tätä opetussuunnitelmaa: varmistaa, että se on käytännönläheinen projektipohjainen ja että se sisältää usein toistuvia kyselyitä. Lisäksi tällä opetussuunnitelmalla on yhteinen teema, joka antaa sille yhtenäisyyttä.

Varmistamalla, että sisältö liittyy projekteihin, prosessista tulee opiskelijoille kiinnostavampi ja käsitteiden omaksuminen paranee. Lisäksi matalan kynnyksen kysely ennen oppituntia suuntaa opiskelijan huomion aiheen oppimiseen, kun taas toinen kysely oppitunnin jälkeen varmistaa paremman muistamisen. Tämä opetussuunnitelma on suunniteltu joustavaksi ja hauskaksi, ja sen voi suorittaa kokonaan tai osittain. Projektit alkavat pienistä ja muuttuvat yhä monimutkaisemmiksi 12 viikon jakson loppua kohden. Tämä opetussuunnitelma sisältää myös jälkikirjoituksen koneoppimisen todellisista sovelluksista, joita voidaan käyttää lisäpisteinä tai keskustelun pohjana.

Löydä käyttäytymissäännöt, Osallistumisohjeet, Käännösohjeet ja Vianetsintäohjeet. Otamme mielellämme vastaan rakentavaa palautettasi!

Jokainen oppitunti sisältää

valinnainen piirrosmuistio
valinnainen lisävideo
video-opastus (vain joissakin oppitunneissa)
esiluennon lämmittelykysely
kirjallinen oppitunti
projektipohjaisille oppitunneille vaiheittaiset ohjeet projektin rakentamiseen
tietotarkistukset
haaste
lisälukemista
tehtävä
jälkiluennon kysely

Huomio kielistä: Nämä oppitunnit on pääasiassa kirjoitettu Pythonilla, mutta monet ovat saatavilla myös R-kielellä. Suorittaaksesi R-oppitunnin, siirry /solution-kansioon ja etsi R-oppitunnit. Ne sisältävät .rmd-päätteen, joka edustaa R Markdown -tiedostoa, joka voidaan yksinkertaisesti määritellä sisältämään koodilohkoja (R- tai muilla kielillä) ja YAML-otsikon (joka ohjaa, miten tulokset muotoillaan, kuten PDF-muotoon) Markdown-dokumentissa. Näin ollen se toimii esimerkillisenä kirjoituskehyksenä datatieteelle, koska sen avulla voit yhdistää koodisi, sen tulokset ja ajatuksesi kirjoittamalla ne Markdown-muodossa. Lisäksi R Markdown -dokumentit voidaan muuntaa tulostusmuodoiksi, kuten PDF, HTML tai Word.

Huomio kyselyistä: Kaikki kyselyt löytyvät Quiz App -kansiosta, yhteensä 52 kyselyä, joissa kussakin on kolme kysymystä. Ne on linkitetty oppitunneista, mutta kyselysovelluksen voi myös ajaa paikallisesti; seuraa quiz-app-kansion ohjeita isännöidäksesi tai julkaistaksesi sen Azureen.

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	Reiluus ja koneoppiminen	Johdanto	Mitkä ovat tärkeät filosofiset kysymykset reiluudesta, jotka opiskelijoiden tulisi ottaa huomioon rakentaessaan ja soveltaessaan ML-malleja?	Oppitunti	Tomomi
04	Koneoppimisen tekniikat	Johdanto	Mitä tekniikoita ML-tutkijat käyttävät rakentaakseen ML-malleja?	Oppitunti	Chris ja Jen
05	Johdatus regressioon	Regressio	Aloita Pythonilla ja Scikit-learnilla regressiomallien parissa	Python • R	Jen • Eric Wanjau
06	Pohjois-Amerikan kurpitsahinnat 🎃	Regressio	Visualisoi ja siivoa dataa ML-valmistelua varten	Python • R	Jen • Eric Wanjau
07	Pohjois-Amerikan kurpitsahinnat 🎃	Regressio	Rakenna lineaarisia ja polynomisia regressiomalleja	Python • R	Jen ja Dmitry • Eric Wanjau
08	Pohjois-Amerikan kurpitsahinnat 🎃	Regressio	Rakenna logistinen regressiomalli	Python • R	Jen • Eric Wanjau
09	Verkkosovellus 🔌	Verkkosovellus	Rakenna verkkosovellus käyttämään koulutettua malliasi	Python	Jen
10	Johdatus luokitteluun	Luokittelu	Siivoa, valmistele ja visualisoi dataasi; johdatus luokitteluun	Python • R	Jen ja Cassie • Eric Wanjau
11	Herkulliset aasialaiset ja intialaiset ruoat 🍜	Luokittelu	Johdatus luokittelijoihin	Python • R	Jen ja Cassie • Eric Wanjau
12	Herkulliset aasialaiset ja intialaiset ruoat 🍜	Luokittelu	Lisää luokittelijoita	Python • R	Jen ja Cassie • Eric Wanjau
13	Herkulliset aasialaiset ja intialaiset ruoat 🍜	Luokittelu	Rakenna suosittelusovellus mallisi avulla	Python	Jen
14	Johdatus klusterointiin	Klusterointi	Siivoa, valmistele ja visualisoi dataasi; johdatus klusterointiin	Python • R	Jen • Eric Wanjau
15	Nigerian musiikkimakujen tutkiminen 🎧	Klusterointi	Tutki K-Means-klusterointimenetelmää	Python • R	Jen • Eric Wanjau
16	Johdatus luonnollisen kielen käsittelyyn ☕️	Luonnollisen kielen käsittely	Opi NLP:n perusteet rakentamalla yksinkertainen botti	Python	Stephen
17	Yleiset NLP-tehtävät ☕️	Luonnollisen kielen käsittely	Syvennä NLP-tietämystäsi ymmärtämällä yleisiä tehtäviä, joita tarvitaan kielirakenteiden käsittelyssä	Python	Stephen
18	Käännös ja sentimenttianalyysi ♥️	Luonnollisen kielen käsittely	Käännös ja sentimenttianalyysi Jane Austenin teosten avulla	Python	Stephen
19	Romanttiset hotellit Euroopassa ♥️	Luonnollisen kielen käsittely	Sentimenttianalyysi hotelliarvosteluilla, osa 1	Python	Stephen
20	Romanttiset hotellit Euroopassa ♥️	Luonnollisen kielen käsittely	Sentimenttianalyysi hotelliarvosteluilla, osa 2	Python	Stephen
21	Johdatus aikasarjojen ennustamiseen	Aikasarjat	Johdatus aikasarjojen ennustamiseen	Python	Francesca
22	⚡️ Maailman energiankulutus ⚡️ - aikasarjojen ennustaminen ARIMA-menetelmällä	Aikasarjat	Aikasarjojen ennustaminen ARIMA-menetelmällä	Python	Francesca
23	⚡️ Maailman energiankulutus ⚡️ - aikasarjojen ennustaminen SVR-menetelmällä	Aikasarjat	Aikasarjojen ennustaminen tukivektoriregressorilla	Python	Anirban
24	Johdatus vahvistusoppimiseen	Vahvistusoppiminen	Johdatus vahvistusoppimiseen Q-Learning-menetelmällä	Python	Dmitry
25	Auta Peteriä välttämään susi! 🐺	Vahvistusoppiminen	Vahvistusoppiminen Gym-ympäristössä	Python	Dmitry
Jälkikirjoitus	Todelliset ML-skenaariot ja sovellukset	ML tosielämässä	Mielenkiintoisia ja paljastavia klassisen ML:n tosielämän sovelluksia	Oppitunti	Tiimi
Jälkikirjoitus	Mallin virheenkorjaus ML:ssä RAI-ohjauspaneelin avulla	ML tosielämässä	Mallin virheenkorjaus koneoppimisessa vastuullisen tekoälyn ohjauspaneelikomponenttien avulla	Oppitunti	Ruth Yakubu

löydä kaikki lisäresurssit tälle kurssille Microsoft Learn -kokoelmastamme

Offline-käyttö

Voit käyttää tätä dokumentaatiota offline-tilassa käyttämällä Docsify. Haaroita tämä repo, asenna Docsify paikalliselle koneellesi ja kirjoita tämän repon juurikansiossa docsify serve. Verkkosivusto palvelee portissa 3000 paikallisessa verkossasi: localhost:3000.

PDF:t

Löydä pdf-opetussuunnitelma linkkeineen täältä.

🎒 Muut kurssit

Tiimimme tuottaa muita kursseja! Tutustu:

Apua saatavilla

Jos jäät jumiin tai sinulla on kysymyksiä tekoälysovellusten rakentamisesta, liity:

Jos sinulla on tuotepalautetta tai virheitä rakentamisen aikana, vieraile:

Vastuuvapauslauseke:
Tämä asiakirja on käännetty käyttämällä tekoälypohjaista käännöspalvelua Co-op Translator. Vaikka pyrimme tarkkuuteen, huomioithan, että automaattiset käännökset voivat sisältää virheitä tai epätarkkuuksia. Alkuperäistä asiakirjaa sen alkuperäisellä kielellä tulisi pitää ensisijaisena lähteenä. Kriittisen tiedon osalta suositellaan ammattimaista ihmiskäännöstä. Emme ole vastuussa tämän käännöksen käytöstä johtuvista väärinkäsityksistä tai virhetulkinnoista.

27 KiB Raw Blame History Unescape Escape