30 KiB

Raw Blame History Unescape Escape

🌐 Monikielinen tuki

Tuettu GitHub Actionin kautta (automaattinen ja aina ajan tasalla)

Liity yhteisöömme

Meillä on käynnissä Discordin Learn with AI -sarja, opi lisää ja liity mukaan osoitteessa Learn with AI Series 18.–30. syyskuuta 2025. Saat vinkkejä ja niksejä GitHub Copilotin käyttämiseen Data Scienticessä.

Koneoppiminen aloittelijoille – Opetussuunnitelma

🌍 Matkusta ympäri maailmaa tutkiessamme koneoppimista maailman kulttuurien kautta 🌍

Microsoftin Cloud Advocates tarjoaa 12 viikon, 26 oppitunnin opetussuunnitelman, joka käsittelee koneoppimista. Tässä opetussuunnitelmassa opit niin kutsutusta klassisen koneoppimisen menetelmistä, käyttäen pääasiassa Scikit-learn-kirjastoa ja välttäen syväoppimista, joka käsitellään AI for Beginners -opetussuunnitelmassamme. Yhdistä nämä oppitunnit myös 'Data Science for Beginners' -opetussuunnitelman kanssa!

Matkusta kanssamme ympäri maailmaa soveltaen näitä klassisia menetelmiä monien eri alueiden dataan. Jokainen oppitunti sisältää ennen ja jälkeen oppitunnin tehtävät, kirjalliset ohjeet oppitunnin suorittamiseen, ratkaisun, tehtävän ja muuta. Projektipohjainen opetustapamme mahdollistaa oppimisen rakentamisen kautta, mikä on todistettu tapa saada uudet taidot pysymään.

✍️ 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

🤩 Lisäkiitos Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi ja Vidushi Gupta R-oppitunneistamme!

Aloittaminen

Seuraa näitä ohjeita:

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

löydät kaikki lisäresurssit tälle kurssille Microsoft Learn -kokoelmastamme

🔧 Tarvitsetko apua? Katso Vianmääritysohjeistuksemme yleisimpiin asennus-, käyttöönotto- ja oppituntien suorittamisongelmiin.

Opiskelijat, käyttääksenne tätä opetussuunnitelmaa, forkkaa koko repo omaan GitHub-tiliisi ja suorita harjoitukset itse tai ryhmässä:

Aloita ennakkotestillä.
Lue oppitunti ja suorita tehtävät, pysähdy ja pohdi jokaisen tietotarkistuksen kohdalla.
Yritä luoda projektit ymmärtämällä oppitunnit sen sijaan, että suoritat ratkaisukoodin; koodi on kuitenkin saatavilla kunkin projektilähtöisen oppitunnin /solution-kansiossa.
Tee jälkitesti.
Suorita haaste.
Tee tehtävä.
Oppituntiryhmän suorittamisen jälkeen käy Keskustelualueella ja "opiskele ääneen" täyttämällä sopiva PAT-arviointilomake. PAT on edistymisen arviointityökalu, jonka täyttämällä voit edistää oppimistasi. Voit myös reagoida muiden PAT-arviointeihin, jotta voimme oppia yhdessä.

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

Opettajat, olemme sisällyttäneet joitakin ehdotuksia tämän opetussuunnitelman käyttämiseen.

Videoesittelyt

Jotkut oppitunnit ovat saatavilla lyhyinä videoina. Löydät ne kaikki oppituntien yhteydestä tai ML for Beginners -soittolistalta Microsoft Developerin YouTube-kanavalla klikkaamalla alla olevaa kuvaa.

Tutustu tiimiin

Gif tekijä Mohit Jaisal

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

Pedagogiikka

Olemme valinneet kaksi pedagogista periaatetta tämän opetussuunnitelman rakentamiseen: varmistaa, että se on käytännönläheinen projektipohjainen ja että se sisältää usein toistuvia testejä. Lisäksi opetussuunnitelmalla on yhteinen teema, joka antaa sille yhtenäisyyttä.

Sisällön linkittäminen projekteihin tekee prosessista opiskelijoille kiinnostavamman ja parantaa käsitteiden omaksumista. Lisäksi matalan panoksen testi ennen luentoa suuntaa opiskelijan aikomuksen oppia aihe, ja toinen testi luennon jälkeen varmistaa paremman muistamisen. Tämä opetussuunnitelma on suunniteltu joustavaksi ja hauskaksi, ja sen voi suorittaa kokonaan tai osittain. Projektit alkavat pieninä ja monimutkaistuvat vähitellen 12 viikon aikana. Opetussuunnitelma sisältää myös jälkikirjoituksen koneoppimisen todellisista sovelluksista, jota voi käyttää lisäpisteinä tai keskustelun pohjana.

Löydät käyttäytymissääntömme, osallistumisohjeet, käännösohjeet ja vianmääritysohjeet. Otamme mielellämme vastaan rakentavaa palautetta!

Jokainen oppitunti sisältää

valinnaisen luonnosmuistiinpanon
valinnaisen lisävideon
videoesittelyn (vain joissakin oppitunneissa)
ennakkoluentoharjoituksen
kirjallisen oppitunnin
projektipohjaisissa oppitunneissa vaiheittaiset ohjeet projektin rakentamiseen
tietotarkistuksia
haasteen
lisälukemista
tehtävän
jälkiluentoharjoituksen

Huomautus kielistä: Nämä oppitunnit on pääasiassa kirjoitettu Pythonilla, mutta monet ovat myös saatavilla R-kielellä. R-oppitunnin suorittamiseksi mene /solution-kansioon ja etsi R-oppitunteja. Niissä on .rmd-pääte, joka tarkoittaa R Markdown -tiedostoa, joka on yksinkertaisesti määritelty koodilohkojen (R:n tai muiden kielten) ja YAML-otsikon (joka ohjaa tulosteiden, kuten PDF:n, muotoilua) upotuksena Markdown-dokumenttiin. Näin se toimii erinomaisena kirjoituskehyksenä data-analyysille, koska voit yhdistää koodisi, sen tulokset ja ajatuksesi kirjoittamalla ne Markdowniin. Lisäksi R Markdown -dokumentit voidaan renderöidä tulostemuodoiksi kuten PDF, HTML tai Word.

Huomautus testeistä: Kaikki testit löytyvät Quiz App -kansiosta, yhteensä 52 testiä, joissa jokaisessa on kolme kysymystä. Ne on linkitetty oppitunneista, mutta testiappia voi ajaa myös paikallisesti; seuraa quiz-app-kansion ohjeita paikalliseen isännöintiin tai Azureen julkaisuun.

Oppitunnin numero	Aihe	Oppituntiryhmä	Oppimistavoitteet	Linkitetty oppitunti	Kirjoittaja
01	Johdatus koneoppimiseen	Introduction	Opi koneoppimisen peruskäsitteet	Lesson	Muhammad
02	Koneoppimisen historia	Introduction	Opi tämän alan historia	Lesson	Jen and Amy
03	Oikeudenmukaisuus ja koneoppiminen	Introduction	Mitkä ovat tärkeät filosofiset kysymykset oikeudenmukaisuudesta, jotka opiskelijoiden tulisi ottaa huomioon rakentaessaan ja soveltaessaan ML-malleja?	Lesson	Tomomi
04	Koneoppimisen tekniikat	Introduction	Mitä tekniikoita ML-tutkijat käyttävät rakentaakseen ML-malleja?	Lesson	Chris and Jen
05	Johdatus regressioon	Regression	Aloita Pythonilla ja Scikit-learnillä regressiomallien kanssa	Python • R	Jen • Eric Wanjau
06	Pohjoisamerikkalaiset kurpitsahinnat 🎃	Regression	Visualisoi ja puhdista dataa ML-valmistelua varten	Python • R	Jen • Eric Wanjau
07	Pohjoisamerikkalaiset kurpitsahinnat 🎃	Regression	Rakenna lineaarisia ja polynomisia regressiomalleja	Python • R	Jen and Dmitry • Eric Wanjau
08	Pohjoisamerikkalaiset kurpitsahinnat 🎃	Regression	Rakenna logistinen regressiomalli	Python • R	Jen • Eric Wanjau
09	Verkkosovellus 🔌	Web App	Rakenna verkkosovellus käyttämään koulutettua malliasi	Python	Jen
10	Johdatus luokitteluun	Classification	Puhdista, valmistele ja visualisoi data; johdatus luokitteluun	Python • R	Jen and Cassie • Eric Wanjau
11	Herkulliset aasialaiset ja intialaiset keittiöt 🍜	Classification	Johdatus luokittelijoihin	Python • R	Jen and Cassie • Eric Wanjau
12	Herkulliset aasialaiset ja intialaiset keittiöt 🍜	Classification	Lisää luokittelijoita	Python • R	Jen and Cassie • Eric Wanjau
13	Herkulliset aasialaiset ja intialaiset keittiöt 🍜	Classification	Rakenna suositusverkkosovellus malliasi käyttäen	Python	Jen
14	Johdatus klusterointiin	Clustering	Puhdista, valmistele ja visualisoi data; johdatus klusterointiin	Python • R	Jen • Eric Wanjau
15	Tutustu nigerialaiseen musiikkimakuun 🎧	Clustering	Tutustu K-Means klusterointimenetelmään	Python • R	Jen • Eric Wanjau
16	Johdatus luonnollisen kielen käsittelyyn ☕️	Natural language processing	Opi NLP:n perusteet rakentamalla yksinkertainen botti	Python	Stephen
17	Yleiset NLP-tehtävät ☕️	Natural language processing	Syvennä NLP-tietämystäsi ymmärtämällä yleisiä tehtäviä, joita tarvitaan kielen rakenteiden käsittelyssä	Python	Stephen
18	Käännös ja tunneanalyysi ♥️	Natural language processing	Käännös ja tunneanalyysi Jane Austenin kanssa	Python	Stephen
19	Euroopan romanttiset hotellit ♥️	Natural language processing	Tunneanalyysi hotelliarvosteluilla 1	Python	Stephen
20	Euroopan romanttiset hotellit ♥️	Natural language processing	Tunneanalyysi hotelliarvosteluilla 2	Python	Stephen
21	Johdatus aikasarjaennusteisiin	Time series	Johdatus aikasarjaennusteisiin	Python	Francesca
22	⚡️ Maailman sähkönkulutus ⚡️ - aikasarjaennuste ARIMA:lla	Time series	Aikasarjaennuste ARIMA-mallilla	Python	Francesca
23	⚡️ Maailman sähkönkulutus ⚡️ - aikasarjaennuste SVR:llä	Time series	Aikasarjaennuste tukivektoriregressiolla	Python	Anirban
24	Johdatus vahvistusoppimiseen	Reinforcement learning	Johdatus vahvistusoppimiseen Q-Learningin avulla	Python	Dmitry
25	Auta Peteriä välttämään susi! 🐺	Reinforcement learning	Vahvistusoppimisen Gym	Python	Dmitry
Jälkikirjoitus	Todelliset ML-skenaariot ja sovellukset	ML in the Wild	Mielenkiintoisia ja paljastavia todellisen maailman sovelluksia klassisesta ML:stä	Lesson	Team
Jälkikirjoitus	Mallin virheenkorjaus ML:ssä RAI-hallintapaneelin avulla	ML in the Wild	Mallin virheenkorjaus koneoppimisessa Responsible AI -hallintapaneelin komponenteilla	Lesson	Ruth Yakubu

löydä kaikki tämän kurssin lisäresurssit Microsoft Learn -kokoelmastamme

Offline-käyttö

Voit käyttää tätä dokumentaatiota offline-tilassa käyttämällä Docsify. Haarauta tämä repositorio, asenna Docsify paikalliselle koneellesi, ja sitten tämän repositorion juurikansiossa kirjoita docsify serve. Verkkosivusto palvellaan portissa 3000 paikallisessa koneessasi: localhost:3000.

PDF-tiedostot

Löydä opetussuunnitelman pdf-linkit täältä.

🎒 Muut kurssit

Tiimimme tuottaa myös muita kursseja! Tutustu:

LangChain

Azure / Edge / MCP / Agents

Generatiivisen tekoälyn sarja

Perusopiskelu

Copilot-sarja

Apua saamaan

Jos jäät jumiin tai sinulla on kysyttävää tekoälysovellusten rakentamisesta. Liity muiden oppijoiden ja kokeneiden kehittäjien keskusteluihin MCP:stä. Se on kannustava yhteisö, jossa kysymyksiä saa esittää ja tietoa jaetaan vapaasti.

Jos sinulla on palautetta tuotteesta tai kohtaat virheitä rakentamisen aikana, käy:

Vastuuvapauslauseke:
Tämä asiakirja on käännetty käyttämällä tekoälypohjaista käännöspalvelua Co-op Translator. Vaikka pyrimme tarkkuuteen, automaattiset käännökset saattavat sisältää virheitä tai epätarkkuuksia. Alkuperäistä asiakirjaa sen alkuperäiskielellä tulee pitää virallisena lähteenä. Tärkeissä asioissa suositellaan ammattimaista ihmiskäännöstä. Emme ole vastuussa tämän käännöksen käytöstä aiheutuvista väärinymmärryksistä tai tulkinnoista.

30 KiB Raw Blame History Unescape Escape