ML-For-Beginners/translations/ja

🌐 多言語サポート

GitHub Actionによるサポート（自動で常に最新）

アラビア語 | ベンガル語 | ブルガリア語 | ビルマ語 (ミャンマー) | 中国語（簡体字） | 中国語（繁体字、香港） | 中国語（繁体字、マカオ） | 中国語（繁体字、台湾） | クロアチア語 | チェコ語 | デンマーク語 | オランダ語 | エストニア語 | フィンランド語 | フランス語 | ドイツ語 | ギリシャ語 | ヘブライ語 | ヒンディー語 | ハンガリー語 | インドネシア語 | イタリア語 | 日本語 | カンナダ語 | 韓国語 | リトアニア語 | マレー語 | マラヤーラム語 | マラーティー語 | ネパール語 | ナイジェリア・ピジン語 | ノルウェー語 | ペルシャ語（ファルシー） | ポーランド語 | ポルトガル語（ブラジル） | ポルトガル語（ポルトガル） | パンジャブ語（グルムキー） | ルーマニア語 | ロシア語 | セルビア語（キリル文字） | スロバキア語 | スロベニア語 | スペイン語 | スワヒリ語 | スウェーデン語 | タガログ語（フィリピン語） | タミル語 | テルグ語 | タイ語 | トルコ語 | ウクライナ語 | ウルドゥー語 | ベトナム語

ローカルでクローンしたいですか？

本リポジトリには50以上の言語の翻訳が含まれており、ダウンロードサイズが大きくなります。翻訳なしでクローンするには、スパースチェックアウトを使用してください：

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'

これにより、コースを完了するために必要なすべてがより高速にダウンロードできます。

コミュニティに参加する

DiscordではAI学習シリーズを開催中です。詳細と参加はLearn with AI Series（2025年9月18日～30日）から。GitHub Copilotを使ったデータサイエンスのヒントやコツが得られます。

Machine Learning for Beginners - カリキュラム

🌍 世界の文化を通じて機械学習を探求しながら、世界を旅しよう 🌍

MicrosoftのCloud Advocatesは、機械学習に関する12週間、26レッスンのカリキュラムを提供します。このカリキュラムでは、主にScikit-learnを使い、ディープラーニングは扱わずに「クラシック機械学習」と呼ばれる分野を学びます。ディープラーニングはAI for Beginnersカリキュラムで取り扱っています。こちらと併せて'Data Science for Beginners'カリキュラムもどうぞ。

世界各地のデータにクラシックな技術を適用しながら、共に世界を旅しましょう。各レッスンには、事前・事後クイズ、手順書、解答例、課題などが含まれています。プロジェクト型の教育法で学習しながら実践するため、新しいスキルが身につきやすい構成です。

✍️ 心より感謝を込めて著者の皆様へ Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu, Amy Boyd

🎨 イラストレーターの皆様にも感謝 Tomomi Imura, Dasani Madipalli, Jen Looper

🙏 Microsoft Student Ambassadorの著者、レビュアー、コンテンツ寄稿者にも特別な感謝を Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, Snigdha Agarwal

🤩 Rレッスンに関してはMicrosoft Student AmbassadorsのEric Wanjau, Jasleen Sondhi, Vidushi Guptaにも大変感謝！

はじめに

以下の手順で進めてください：

1. リポジトリをフォーク：ページ右上の「Fork」ボタンをクリックしてください。
2. リポジトリをクローン： git clone https://github.com/microsoft/ML-For-Beginners.git

このコースのその他リソースはMicrosoft Learnコレクションで確認できます

🔧 困ったときは？ インストール・セットアップ・レッスン実行時のよくある問題はトラブルシューティングガイドをご参照ください。

学生の皆さん このカリキュラムを使うには、自分のGitHubアカウントにリポジトリをフォークし、一人またはグループで演習を完了してください：

• 事前講義クイズを受ける。
• 講義を読み、活動を完了しながら各知識チェックで一時停止して考える。
• 解答コードを実行するより、自分で理解してプロジェクトを作ってみよう。ただし、解答コードは各プロジェクト型レッスンの /solution フォルダーにあります。
• 講義後クイズを受ける。
• チャレンジをクリアする。
• 課題を提出する。
• レッスングループの完了後はディスカッションボードを訪れ、「大声で学ぶ」ために該当のPATルーブリックを記入してください。PATは学習進捗を評価するためのルーブリックです。また他のPATにリアクションして共に学びましょう。

さらなる学習には、以下のMicrosoft Learnモジュールやラーニングパスもおすすめです。

教員の皆様 各種利用の提案を用意しています。

---

動画解説

一部レッスンはショートフォーム動画で提供しています。レッスン内のインラインや、Microsoft DeveloperのYouTubeチャンネル上のML for Beginnersプレイリストからご覧ください。下の画像をクリックするとアクセスできます。

---

チーム紹介

Gif 制作： Mohit Jaisal

🎥 上の画像をクリックすると、プロジェクトと制作者の動画が視聴できます！

---

教育方針

本カリキュラムでは「実践的なプロジェクトベース」と「頻繁なクイズ」を教育理念として採用しています。また、カリキュラム全体にわたる共通のテーマで統一感を持たせています。

内容をプロジェクトに合わせることで、学習者の関与を高め、概念の定着を促進します。クラス前の軽いクイズは学習の意図付けに、クラス後のクイズは理解の強化に役立ちます。本カリキュラムは柔軟かつ楽しく、全体または部分的に受講可能です。プロジェクトは小さく始まり、12週間の最後にはより複雑になります。さらに、実際の機械学習応用例をまとめた後書きも含まれており、追加課題やディスカッションの素材として利用できます。

行動規範、参加方法、翻訳ガイドライン、トラブルシューティングをご覧ください。建設的なフィードバックをお待ちしています！

各レッスンに含まれるもの

• 任意のスケッチノート
• 任意の補足動画
• 動画解説（一部のレッスンのみ）
• 事前講義ウォームアップクイズ
• 書面によるレッスン
• プロジェクト型レッスンでは、プロジェクト作成手順の詳細ガイド
• 知識チェック
• チャレンジ課題
• 補足資料
• 課題
• 事後講義クイズ

言語についての注意：これらのレッスンは主にPythonで書かれていますが、多くはRでも利用可能です。Rレッスンを行うには、/solutionフォルダー内のRレッスンを探してください。Rレッスンファイルは.rmd拡張子のR Markdownファイルで、これはRまたは他言語のコードチャンクとYAMLヘッダー（PDF等の出力形式を指定）をMarkdown文書に埋め込んだものです。コード、結果、考えをMarkdownで記述できるため、データサイエンスに最適な著述フレームワークとなっています。また、R MarkdownはPDF、HTML、Wordなどの形式にレンダリング可能です。 クイズについての注意: すべてのクイズはQuiz Appフォルダーに含まれており、3問ずつの全52クイズがあります。レッスン内でリンクされていますが、クイズアプリはローカルでも実行可能です。ローカルホストやAzureへのデプロイ方法はquiz-appフォルダー内の指示に従ってください。

レッスン番号	トピック	レッスングループ	学習目標	リンクされたレッスン	著者
01	機械学習の紹介	Introduction	機械学習の基本概念を学ぶ	Lesson	Muhammad
02	機械学習の歴史	Introduction	この分野の歴史を学ぶ	Lesson	Jen and Amy
03	公平性と機械学習	Introduction	公平性に関する重要な哲学的問題とは何か。MLモデルの構築と応用時に学生が考慮すべきこと	Lesson	Tomomi
04	機械学習の手法	Introduction	ML研究者がMLモデル構築に使用する手法は何か	Lesson	Chris and Jen
05	回帰分析入門	Regression	PythonとScikit-learnを使った回帰モデルの入門	Python • R	Jen • Eric Wanjau
06	北米のパンプキン価格 🎃	Regression	機械学習準備のためのデータ可視化とクリーニング	Python • R	Jen • Eric Wanjau
07	北米のパンプキン価格 🎃	Regression	線形回帰モデルおよび多項式回帰モデルの構築	Python • R	Jen and Dmitry • Eric Wanjau
08	北米のパンプキン価格 🎃	Regression	ロジスティック回帰モデルの構築	Python • R	Jen • Eric Wanjau
09	ウェブアプリ 🔌	Web App	学習したモデルを使うウェブアプリの構築	Python	Jen
10	分類分析入門	Classification	データのクリーニング、準備、可視化；分類分析の入門	Python • R	Jen and Cassie • Eric Wanjau
11	美味しいアジアとインド料理 🍜	Classification	分類器の紹介	Python • R	Jen and Cassie • Eric Wanjau
12	美味しいアジアとインド料理 🍜	Classification	より多くの分類器	Python • R	Jen and Cassie • Eric Wanjau
13	美味しいアジアとインド料理 🍜	Classification	モデルを使った推薦ウェブアプリの構築	Python	Jen
14	クラスタリング入門	Clustering	データのクリーニング、準備、可視化；クラスタリング入門	Python • R	Jen • Eric Wanjau
15	ナイジェリアの音楽嗜好を探る 🎧	Clustering	K-Meansクラスタリング手法の探究	Python • R	Jen • Eric Wanjau
16	自然言語処理入門 ☕️	Natural language processing	簡単なボットを作成しながら自然言語処理の基本を学ぶ	Python	Stephen
17	一般的なNLPタスク ☕️	Natural language processing	言語構造に対応する際に必要な一般的なタスクの理解でNLP知識を深める	Python	Stephen
18	翻訳と感情分析 ♥️	Natural language processing	ジェーン・オースティンを使った翻訳と感情分析	Python	Stephen
19	ヨーロッパのロマンチックホテル ♥️	Natural language processing	ホテルレビューによる感情分析１	Python	Stephen
20	ヨーロッパのロマンチックホテル ♥️	Natural language processing	ホテルレビューによる感情分析２	Python	Stephen
21	時系列予測入門	Time series	時系列予測の入門	Python	Francesca
22	⚡️ 世界の電力使用量 ⚡️ - ARIMAによる時系列予測	Time series	ARIMAを使った時系列予測	Python	Francesca
23	⚡️ 世界の電力使用量 ⚡️ - SVRによる時系列予測	Time series	サポートベクター回帰(SVR)を使った時系列予測	Python	Anirban
24	強化学習入門	Reinforcement learning	Q-ラーニングによる強化学習の紹介	Python	Dmitry
25	ピーターがオオカミを避ける手助けを！ 🐺	Reinforcement learning	強化学習ジム	Python	Dmitry
ポストスクリプト	実世界のMLシナリオと応用	ML in the Wild	古典的なMLの興味深く示唆に富む実際の応用	Lesson	Team
ポストスクリプト	RAIダッシュボードを用いたMLモデルのデバッグ	ML in the Wild	Responsible AIダッシュボードコンポーネントを用いた機械学習モデルのデバッグ	Lesson	Ruth Yakubu

このコースの追加リソースは当社のMicrosoft Learnコレクションでご覧いただけます

オフラインアクセス

Docsifyを使えば、このドキュメントをオフラインで閲覧できます。このリポジトリをフォークして、ローカルマシンにDocsifyをインストールし、リポジトリのルートフォルダーでdocsify serveコマンドを実行してください。ウェブサイトはローカルホストのポート3000で配信されます: localhost:3000.

PDF

カリキュラムのPDF（リンク付き）はこちらをご覧ください。

🎒 その他のコース

当チームは他のコースも制作しています！ぜひチェックしてください：

LangChain

Azure / Edge / MCP / Agents

---

Generative AI Series

---

コアラーニング

---

Copilot シリーズ

ヘルプを得るには

AI アプリの構築で行き詰まったり質問がある場合は、仲間の学習者や経験豊富な開発者たちと一緒に MCP について議論に参加しましょう。ここは質問が歓迎され、知識が自由に共有される支援的なコミュニティです。

製品のフィードバックやビルド中のエラーがある場合は、こちらを訪問してください:

---

免責事項：
本書類はAI翻訳サービス「Co-op Translator」を使用して翻訳されました。正確性の確保に努めておりますが、自動翻訳には誤りや不正確な箇所が含まれる場合があります。正式な情報は原文の言語による文書を権威ある資料としてご参照ください。重要な情報については、専門の人間による翻訳を推奨いたします。本翻訳の利用により生じたいかなる誤解や解釈の相違についても、当方は一切責任を負いかねます。