28 KiB
🌐 多言語対応
GitHub Actionによるサポート（自動更新＆常に最新）
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)
コミュニティに参加しよう
初心者向け機械学習 - カリキュラム
🌍 世界中を旅しながら、世界の文化を通じて機械学習を学びましょう 🌍
Microsoftのクラウドアドボケイトが提供する12週間、26レッスンのカリキュラムで、機械学習について学びます。このカリキュラムでは、主にScikit-learnライブラリを使用し、クラシック機械学習と呼ばれることもある手法を学びます。深層学習については、AI for Beginnersのカリキュラムで扱っています。また、このレッスンを'Data Science for Beginners'カリキュラムと組み合わせて学ぶこともできます。
世界中のデータを使ってクラシックな手法を適用しながら、私たちと一緒に旅をしましょう。各レッスンには、事前・事後のクイズ、レッスンを完了するための書面による指示、解答、課題などが含まれています。プロジェクトベースの教育法により、学びながら構築することで、新しいスキルを定着させることができます。
✍️ 著者の皆さんに感謝 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さんにも感謝 Tomomi Imura, Dasani Madipalli, Jen Looper
🙏 特別な感謝 🙏 Microsoft Student Ambassadorの著者、レビュー担当者、コンテンツ提供者の皆さん Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, Snigdha Agarwal
🤩 Microsoft Student Ambassador Eric Wanjau, Jasleen Sondhi, Vidushi GuptaによるRレッスンにも特別な感謝！
始め方
以下の手順に従ってください:
- リポジトリをフォークする: このページの右上にある「Fork」ボタンをクリックしてください。
- リポジトリをクローンする:
git clone https://github.com/microsoft/ML-For-Beginners.git
学生の皆さん、このカリキュラムを使用するには、リポジトリ全体を自分のGitHubアカウントにフォークし、個人またはグループで演習を完了してください:
- レクチャー前のクイズから始めましょう。
- レクチャーを読み、各知識チェックで一時停止して反省しながら活動を完了してください。
- レッスンを理解しながらプロジェクトを作成してみてください。ただし、解答コードは各プロジェクト指向レッスンの
/solutionフォルダーにあります。 - レクチャー後のクイズを受けてください。
- チャレンジを完了してください。
- 課題を完了してください。
- レッスングループを完了した後、Discussion Boardにアクセスし、適切なPATルーブリックを記入して「学びを共有」してください。PAT（進捗評価ツール）は、学習をさらに深めるために記入するルーブリックです。他のPATに反応することで、共に学ぶことができます。
さらに学びたい場合は、これらのMicrosoft Learnモジュールと学習パスをお勧めします。
教師の皆さん、このカリキュラムの使用方法についていくつかの提案を含めています。
ビデオウォークスルー
一部のレッスンは短い形式のビデオとして利用可能です。これらはレッスン内でインラインで見つけることができます。または、Microsoft Developer YouTubeチャンネルのML for Beginnersプレイリストで見ることができます。以下の画像をクリックしてください。
チーム紹介
Gif作成者 Mohit Jaisal
🎥 上の画像をクリックすると、プロジェクトと作成者についてのビデオを見ることができます！
教育法
このカリキュラムを構築する際に、2つの教育的原則を選びました: プロジェクトベースであること、そして頻繁なクイズを含むことです。また、このカリキュラムには共通のテーマがあり、統一感を持たせています。
プロジェクトに沿った内容を確保することで、学生にとってより魅力的なプロセスとなり、概念の定着が促進されます。また、授業前の低リスククイズは、学生がトピックを学ぶ意図を設定し、授業後のクイズはさらに定着を確保します。このカリキュラムは柔軟で楽しいものとして設計されており、全体または部分的に受講することができます。プロジェクトは小さなものから始まり、12週間のサイクルの終わりには徐々に複雑になります。このカリキュラムには、機械学習の実世界での応用に関する後書きも含まれており、追加のクレジットとして使用したり、議論の基礎として使用することができます。
各レッスンには以下が含まれます
- オプションのスケッチノート
- オプションの補足ビデオ
- ビデオウォークスルー（一部のレッスンのみ）
- レクチャー前のウォームアップクイズ
- 書面によるレッスン
- プロジェクトベースのレッスンの場合、プロジェクトの構築方法に関するステップバイステップガイド
- 知識チェック
- チャレンジ
- 補足読書
- 課題
- レクチャー後のクイズ
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レッスンを完了するには、
/solutionフォルダーに移動し、Rレッスンを探してください。それらは.rmd拡張子を含み、R Markdownファイルを表しています。これは、コードチャンク（Rや他の言語のコード）とYAMLヘッダー（PDFなどの出力形式をガイドするもの）をMarkdownドキュメントに埋め込むことを簡単に定義できます。このようにして、コード、出力、考えをMarkdownに記述することで、データサイエンスのための優れた著作フレームワークとして機能します。さらに、R MarkdownドキュメントはPDF、HTML、Wordなどの出力形式にレンダリングできます。
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、合計52のクイズが各3問ずつあります。これらはレッスン内からリンクされていますが、クイズアプリはローカルで実行できます。
quiz-appフォルダーの指示に従ってローカルホストまたはAzureにデプロイしてください。
| 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 | 機械学習の概要 | イントロダクション | 機械学習の基本的な概念を学ぶ | レッスン | Muhammad |
| 02 | 機械学習の歴史 | イントロダクション | この分野の歴史を学ぶ | レッスン | JenとAmy |
| 03 | 公平性と機械学習 | イントロダクション | 学生がMLモデルを構築・適用する際に考慮すべき公平性に関する重要な哲学的問題は何か？ | レッスン | Tomomi |
| 04 | 機械学習の技術 | Introduction | 機械学習研究者がモデルを構築する際に使用する技術とは？ | Lesson | ChrisとJen |
| 05 | 回帰の概要 | Regression | PythonとScikit-learnを使った回帰モデルの入門 |
- [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と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とCassie
- Eric Wanjau
- [Python](4-Classification/2-Classifiers-1/README.md)
- [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) |
- JenとCassie
- Eric Wanjau
- [Python](4-Classification/3-Classifiers-2/README.md)
- [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) |
- Jenと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
オフラインアクセス
このドキュメントをオフラインで実行するには、Docsifyを使用します。このリポジトリをフォークし、Docsifyをインストールしてローカルマシンにセットアップしてください。その後、このリポジトリのルートフォルダで
docsify serveと入力します。ウェブサイトはローカルホストのポート3000で提供されます：localhost:3000。PDFs
リンク付きのカリキュラムPDFはこちらで見つけることができます。
🎒 その他のコース
私たちのチームは他にもコースを提供しています！以下をチェックしてください：
- 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
免責事項:
この文書はAI翻訳サービスCo-op Translatorを使用して翻訳されています。正確性を追求しておりますが、自動翻訳には誤りや不正確な部分が含まれる可能性があります。元の言語で記載された文書が正式な情報源とみなされるべきです。重要な情報については、専門の人間による翻訳を推奨します。この翻訳の使用に起因する誤解や誤解釈について、当社は責任を負いません。