30 KiB

Raw Blame History Unescape Escape

🌐 Meertalige Ondersteuning

Ondersteund via GitHub Action (Geautomatiseerd & Altijd Up-to-Date)

Word Lid van Onze Community

We hebben een lopende Discord leer met AI-serie, leer meer en doe mee via Learn with AI Series van 18 - 30 september 2025. Je krijgt tips en trucs voor het gebruik van GitHub Copilot voor Data Science.

Machine Learning voor Beginners - Een Curriculum

🌍 Reis de wereld rond terwijl we Machine Learning verkennen via wereldculturen 🌍

Cloud Advocates bij Microsoft bieden met plezier een 12-weken durend curriculum aan met 26 lessen over Machine Learning. In dit curriculum leer je over wat soms klassieke machine learning wordt genoemd, waarbij voornamelijk Scikit-learn als bibliotheek wordt gebruikt en deep learning wordt vermeden, dat behandeld wordt in ons AI voor Beginners curriculum. Combineer deze lessen ook met ons 'Data Science voor Beginners' curriculum!

Reis met ons de wereld rond terwijl we deze klassieke technieken toepassen op data uit vele delen van de wereld. Elke les bevat quizzen voor en na de les, geschreven instructies om de les te voltooien, een oplossing, een opdracht en meer. Onze projectgebaseerde pedagogiek stelt je in staat te leren door te bouwen, een bewezen manier om nieuwe vaardigheden te laten beklijven.

✍️ Hartelijke dank aan onze auteurs Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu en Amy Boyd

🎨 Dank ook aan onze illustratoren Tomomi Imura, Dasani Madipalli en Jen Looper

🙏 Speciale dank 🙏 aan onze Microsoft Student Ambassador auteurs, beoordelaars en inhoudsbijdragers, met name Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila en Snigdha Agarwal

🤩 Extra dank aan Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi en Vidushi Gupta voor onze R-lessen!

Aan de Slag

Volg deze stappen:

Fork de Repository: Klik op de knop "Fork" rechtsboven op deze pagina.
Clone de Repository: git clone https://github.com/microsoft/ML-For-Beginners.git

vind alle aanvullende bronnen voor deze cursus in onze Microsoft Learn-collectie

🔧 Hulp nodig? Bekijk onze Probleemoplossingsgids voor oplossingen voor veelvoorkomende problemen met installatie, setup en het uitvoeren van lessen.

Studenten, om dit curriculum te gebruiken, fork je de hele repo naar je eigen GitHub-account en maak je de oefeningen zelfstandig of in een groep:

Begin met een quiz voor de les.
Lees de les en voltooi de activiteiten, pauzeer en reflecteer bij elke kennischeck.
Probeer de projecten te maken door de lessen te begrijpen in plaats van alleen de oplossingcode uit te voeren; die code is echter beschikbaar in de /solution mappen in elke projectgerichte les.
Maak de quiz na de les.
Voltooi de uitdaging.
Maak de opdracht af.
Na het voltooien van een lesgroep, bezoek het Discussiebord en "leer hardop" door de juiste PAT-rubriek in te vullen. Een 'PAT' is een Progress Assessment Tool, een rubric die je invult om je leren te bevorderen. Je kunt ook reageren op andere PAT's zodat we samen kunnen leren.

Voor verdere studie raden we aan deze Microsoft Learn modules en leerpaden te volgen.

Docenten, we hebben enkele suggesties opgenomen over hoe je dit curriculum kunt gebruiken.

Video walkthroughs

Sommige lessen zijn beschikbaar als korte video's. Je vindt ze allemaal inline in de lessen, of op de ML for Beginners afspeellijst op het Microsoft Developer YouTube-kanaal door op de afbeelding hieronder te klikken.

Ontmoet het Team

Gif door Mohit Jaisal

🎥 Klik op de afbeelding hierboven voor een video over het project en de mensen die het hebben gemaakt!

Pedagogiek

We hebben twee pedagogische principes gekozen bij het opbouwen van dit curriculum: ervoor zorgen dat het hands-on projectgebaseerd is en dat het frequente quizzen bevat. Daarnaast heeft dit curriculum een gemeenschappelijk thema om het samenhangend te maken.

Door ervoor te zorgen dat de inhoud aansluit bij projecten, wordt het proces boeiender voor studenten en wordt het vasthouden van concepten vergroot. Bovendien zet een quiz met lage inzet vóór een les de intentie van de student om een onderwerp te leren, terwijl een tweede quiz na de les verdere retentie verzekert. Dit curriculum is ontworpen om flexibel en leuk te zijn en kan geheel of gedeeltelijk worden gevolgd. De projecten beginnen klein en worden steeds complexer aan het einde van de 12-weekse cyclus. Dit curriculum bevat ook een naschrift over toepassingen van ML in de echte wereld, dat kan worden gebruikt als extra krediet of als basis voor discussie.

Vind onze Gedragscode, Bijdragen, Vertaling en Probleemoplossing richtlijnen. We verwelkomen je constructieve feedback!

Elke les bevat

optionele sketchnote
optionele aanvullende video
video walkthrough (sommige lessen alleen)
quiz voor de les
geschreven les
voor projectgebaseerde lessen, stapsgewijze handleidingen om het project te bouwen
kenniscontroles
een uitdaging
aanvullende lectuur
opdracht
quiz na de les

Een opmerking over talen: Deze lessen zijn voornamelijk geschreven in Python, maar veel zijn ook beschikbaar in R. Om een R-les te voltooien, ga naar de /solution map en zoek naar R-lessen. Ze bevatten een .rmd extensie die staat voor een R Markdown bestand, wat eenvoudig kan worden gedefinieerd als een embedding van codeblokken (van R of andere talen) en een YAML-header (die aangeeft hoe uitvoerformaten zoals PDF worden opgemaakt) in een Markdown-document. Als zodanig dient het als een voorbeeld van een auteurssysteem voor datawetenschap omdat het je in staat stelt je code, de uitvoer en je gedachten te combineren door ze in Markdown op te schrijven. Bovendien kunnen R Markdown-documenten worden gerenderd naar uitvoerformaten zoals PDF, HTML of Word.

Een opmerking over quizzen: Alle quizzen bevinden zich in de Quiz App map, in totaal 52 quizzen met elk drie vragen. Ze zijn gelinkt vanuit de lessen, maar de quiz-app kan lokaal worden uitgevoerd; volg de instructies in de quiz-app map om lokaal te hosten of te implementeren naar Azure.

Lesnummer	Onderwerp	Lesgroep	Leerdoelen	Gelinkte Les	Auteur
01	Inleiding tot machine learning	Introduction	Leer de basisconcepten achter machine learning	Lesson	Muhammad
02	De geschiedenis van machine learning	Introduction	Leer de geschiedenis achter dit vakgebied	Lesson	Jen and Amy
03	Eerlijkheid en machine learning	Introduction	Wat zijn de belangrijke filosofische kwesties rond eerlijkheid die studenten moeten overwegen bij het bouwen en toepassen van ML-modellen?	Lesson	Tomomi
04	Technieken voor machine learning	Introduction	Welke technieken gebruiken ML-onderzoekers om ML-modellen te bouwen?	Lesson	Chris and Jen
05	Inleiding tot regressie	Regression	Begin met Python en Scikit-learn voor regressiemodellen	Python • R	Jen • Eric Wanjau
06	Noord-Amerikaanse pompoenprijzen 🎃	Regression	Visualiseer en reinig data ter voorbereiding op ML	Python • R	Jen • Eric Wanjau
07	Noord-Amerikaanse pompoenprijzen 🎃	Regression	Bouw lineaire en polynomiale regressiemodellen	Python • R	Jen and Dmitry • Eric Wanjau
08	Noord-Amerikaanse pompoenprijzen 🎃	Regression	Bouw een logistiek regressiemodel	Python • R	Jen • Eric Wanjau
09	Een webapp 🔌	Web App	Bouw een webapp om je getrainde model te gebruiken	Python	Jen
10	Inleiding tot classificatie	Classification	Reinig, bereid voor en visualiseer je data; inleiding tot classificatie	Python • R	Jen and Cassie • Eric Wanjau
11	Heerlijke Aziatische en Indiase keukens 🍜	Classification	Inleiding tot classifiers	Python • R	Jen and Cassie • Eric Wanjau
12	Heerlijke Aziatische en Indiase keukens 🍜	Classification	Meer classifiers	Python • R	Jen and Cassie • Eric Wanjau
13	Heerlijke Aziatische en Indiase keukens 🍜	Classification	Bouw een aanbevelings-webapp met je model	Python	Jen
14	Inleiding tot clustering	Clustering	Reinig, bereid voor en visualiseer je data; inleiding tot clustering	Python • R	Jen • Eric Wanjau
15	Verkenning van Nigeriaanse muzikale smaken 🎧	Clustering	Verken de K-Means clusteringmethode	Python • R	Jen • Eric Wanjau
16	Inleiding tot natuurlijke taalverwerking ☕️	Natural language processing	Leer de basis van NLP door een eenvoudige bot te bouwen	Python	Stephen
17	Veelvoorkomende NLP-taken ☕️	Natural language processing	Verdiep je NLP-kennis door veelvoorkomende taken te begrijpen die nodig zijn bij het omgaan met taalstructuren	Python	Stephen
18	Vertaling en sentimentanalyse ♥️	Natural language processing	Vertaling en sentimentanalyse met Jane Austen	Python	Stephen
19	Romantische hotels in Europa ♥️	Natural language processing	Sentimentanalyse met hotelbeoordelingen 1	Python	Stephen
20	Romantische hotels in Europa ♥️	Natural language processing	Sentimentanalyse met hotelbeoordelingen 2	Python	Stephen
21	Inleiding tot tijdreeksvoorspelling	Time series	Inleiding tot tijdreeksvoorspelling	Python	Francesca
22	⚡️ Wereldwijde energieverbruik ⚡️ - tijdreeksvoorspelling met ARIMA	Time series	Tijdreeksvoorspelling met ARIMA	Python	Francesca
23	⚡️ Wereldwijde energieverbruik ⚡️ - tijdreeksvoorspelling met SVR	Time series	Tijdreeksvoorspelling met Support Vector Regressor	Python	Anirban
24	Inleiding tot reinforcement learning	Reinforcement learning	Inleiding tot reinforcement learning met Q-Learning	Python	Dmitry
25	Help Peter de wolf te vermijden! 🐺	Reinforcement learning	Reinforcement learning Gym	Python	Dmitry
Postscript	Realistische ML-scenario's en toepassingen	ML in the Wild	Interessante en onthullende toepassingen van klassieke ML in de echte wereld	Lesson	Team
Postscript	Modeldebugging in ML met behulp van RAI-dashboard	ML in the Wild	Modeldebugging in machine learning met behulp van Responsible AI-dashboardcomponenten	Lesson	Ruth Yakubu

vind alle aanvullende bronnen voor deze cursus in onze Microsoft Learn-collectie

Offline toegang

Je kunt deze documentatie offline gebruiken met Docsify. Fork deze repo, installeer Docsify op je lokale machine, en typ dan in de hoofdmap van deze repo docsify serve. De website wordt geserveerd op poort 3000 op je localhost: localhost:3000.

PDF's

Vind een pdf van het curriculum met links hier.

🎒 Andere cursussen

Ons team produceert ook andere cursussen! Bekijk:

LangChain

Azure / Edge / MCP / Agents

Generatieve AI-serie

Kernleren

Copilot-serie

Hulp krijgen

Als je vastloopt of vragen hebt over het bouwen van AI-apps. Doe mee met medeleerlingen en ervaren ontwikkelaars in discussies over MCP. Het is een ondersteunende gemeenschap waar vragen welkom zijn en kennis vrijelijk wordt gedeeld.

Als je productfeedback hebt of fouten tegenkomt tijdens het bouwen, bezoek dan:

Disclaimer:
Dit document is vertaald met behulp van de AI-vertalingsdienst Co-op Translator. Hoewel we streven naar nauwkeurigheid, dient u er rekening mee te houden dat geautomatiseerde vertalingen fouten of onnauwkeurigheden kunnen bevatten. Het originele document in de oorspronkelijke taal moet als de gezaghebbende bron worden beschouwd. Voor cruciale informatie wordt professionele menselijke vertaling aanbevolen. Wij zijn niet aansprakelijk voor eventuele misverstanden of verkeerde interpretaties die voortvloeien uit het gebruik van deze vertaling.

30 KiB Raw Blame History Unescape Escape