39 KiB

Raw Blame History Unescape Escape

🌐 Многоязычная поддержка

Поддерживается через GitHub Action (автоматически и всегда актуально)

Присоединяйтесь к нашему сообществу

У нас проходит серия занятий в Discord под названием «Учимся с ИИ», узнайте больше и присоединяйтесь к нам на Learn with AI Series с 18 по 30 сентября 2025 года. Вы получите советы и рекомендации по использованию GitHub Copilot для Data Science.

Машинное обучение для начинающих — учебная программа

🌍 Путешествуйте по миру, изучая машинное обучение через призму мировых культур 🌍

Облачные адвокаты Microsoft рады предложить 12-недельную программу из 26 уроков, полностью посвящённую машинному обучению. В этой программе вы узнаете о том, что иногда называют классическим машинным обучением, используя в основном библиотеку Scikit-learn и избегая глубокого обучения, которое рассматривается в нашей программе AI для начинающих. Совместите эти уроки с нашей программой 'Data Science для начинающих'!

Путешествуйте с нами по миру, применяя классические методы к данным из разных регионов. Каждый урок включает предварительные и итоговые викторины, письменные инструкции для выполнения урока, решение, задание и многое другое. Наша проектно-ориентированная педагогика позволяет учиться, создавая проекты — проверенный способ закрепления новых навыков.

✍️ Искренняя благодарность нашим авторам Джен Лупер, Стивен Хауэлл, Франческа Лаззери, Томоми Имура, Кэсси Бревиу, Дмитрий Сошников, Крис Норинг, Анирбан Мукерджи, Орнелла Алтунян, Рут Якобу и Эми Бойд

🎨 Спасибо также нашим иллюстраторам Томоми Имура, Дасани Мадипалли и Джен Лупер

🙏 Особая благодарность 🙏 нашим студентам-амбассадорам Microsoft, авторам, рецензентам и контент-участникам, в частности Ришиту Дагли, Мухаммаду Сакибу Хану Инану, Рохану Раджу, Александру Петреску, Абхишеку Джайсвалу, Наврин Табассум, Иоану Самуиле и Снигдхе Агарвал

🤩 Дополнительная благодарность студентам-амбассадорам Microsoft Эрику Ванджау, Джаслин Сонди и Видуши Гупте за наши уроки на R!

Начало работы

Следуйте этим шагам:

Сделайте форк репозитория: Нажмите кнопку «Fork» в правом верхнем углу этой страницы.
Клонируйте репозиторий: git clone https://github.com/microsoft/ML-For-Beginners.git

найдите все дополнительные ресурсы для этого курса в нашей коллекции Microsoft Learn

🔧 Нужна помощь? Ознакомьтесь с нашим Руководством по устранению неполадок для решения распространённых проблем с установкой, настройкой и запуском уроков.

Студенты, чтобы использовать эту программу, сделайте форк всего репозитория в свой аккаунт GitHub и выполняйте упражнения самостоятельно или в группе:

Начинайте с предварительной викторины.
Читайте лекцию и выполняйте задания, делая паузы и размышляя на каждом этапе проверки знаний.
Старайтесь создавать проекты, понимая уроки, а не просто запуская код решения; однако код решения доступен в папках /solution каждого проектно-ориентированного урока.
Пройдите итоговую викторину.
Выполните вызов.
Выполните задание.
После завершения группы уроков посетите Доску обсуждений и «учитесь вслух», заполнив соответствующую рубрику PAT. PAT — это инструмент оценки прогресса, который вы заполняете для углубления обучения. Вы также можете реагировать на другие PAT, чтобы учиться вместе.

Для дальнейшего изучения рекомендуем пройти эти модули и учебные пути Microsoft Learn.

Учителя, мы включили некоторые рекомендации по использованию этой программы.

Видеообзоры

Некоторые уроки доступны в формате коротких видео. Вы можете найти их встроенными в уроки или на плейлисте ML for Beginners на канале Microsoft Developer в YouTube, нажав на изображение ниже.

Знакомьтесь с командой

Гифка от Mohit Jaisal

🎥 Нажмите на изображение выше, чтобы посмотреть видео о проекте и людях, которые его создали!

Педагогика

При создании этой программы мы выбрали два педагогических принципа: обеспечить практическую проектно-ориентированную работу и включить частые викторины. Кроме того, программа имеет общую тему для связности.

Обеспечение соответствия контента проектам делает процесс более увлекательным для студентов и улучшает усвоение концепций. Низкоуровневая викторина перед занятием настраивает студента на изучение темы, а вторая викторина после занятия способствует дальнейшему закреплению материала. Эта программа разработана быть гибкой и интересной, её можно проходить полностью или частично. Проекты начинаются с простых и становятся всё более сложными к концу 12-недельного цикла. В программу также включён послесловие о реальных применениях МО, которое можно использовать как дополнительный материал или для обсуждения.

Ознакомьтесь с нашими Правилами поведения, Руководством по участию, Переводом и Руководством по устранению неполадок. Мы приветствуем ваши конструктивные отзывы!

Каждый урок включает

необязательные скетчноуты
необязательное дополнительное видео
видеообзор (только для некоторых уроков)
предварительную разминку-викторину
письменный урок
для проектно-ориентированных уроков — пошаговые инструкции по созданию проекта
проверки знаний
вызов
дополнительное чтение
задание
итоговую викторину

Примечание о языках: Эти уроки в основном написаны на Python, но многие также доступны на R. Чтобы пройти урок на R, перейдите в папку /solution и найдите уроки на R. Они имеют расширение .rmd, что означает R Markdown — формат, который представляет собой встраивание фрагментов кода (на R или других языках) и YAML-заголовка (который управляет форматированием вывода, например PDF) в Markdown-документ. Таким образом, это отличный инструмент для авторства в области науки о данных, позволяющий объединять код, его вывод и ваши заметки в одном документе. Кроме того, документы R Markdown можно преобразовывать в форматы вывода, такие как PDF, HTML или Word.

Примечание о викторинах: Все викторины находятся в папке Quiz App, всего 52 викторины по три вопроса каждая. Они связаны с уроками, но приложение викторин можно запустить локально; следуйте инструкциям в папке quiz-app для локального хостинга или развертывания в Azure.

Номер урока	Тема	Группа уроков	Цели обучения	Связанный урок	Автор
01	Введение в машинное обучение	Introduction	Изучите основные концепции машинного обучения	Lesson	Muhammad
02	История машинного обучения	Introduction	Узнайте историю, лежащую в основе этой области	Lesson	Jen and Amy
03	Справедливость и машинное обучение	Introduction	Какие важные философские вопросы о справедливости должны учитывать студенты при создании и применении моделей машинного обучения?	Lesson	Tomomi
04	Техники машинного обучения	Introduction	Какие техники используют исследователи машинного обучения для создания моделей?	Lesson	Chris and Jen
05	Введение в регрессию	Regression	Начните работу с Python и Scikit-learn для моделей регрессии	Python • R	Jen • Eric Wanjau
06	Цены на тыквы в Северной Америке 🎃	Regression	Визуализируйте и очистите данные в подготовке к машинному обучению	Python • R	Jen • Eric Wanjau
07	Цены на тыквы в Северной Америке 🎃	Regression	Постройте линейные и полиномиальные модели регрессии	Python • R	Jen and Dmitry • Eric Wanjau
08	Цены на тыквы в Северной Америке 🎃	Regression	Постройте модель логистической регрессии	Python • R	Jen • Eric Wanjau
09	Веб-приложение 🔌	Web App	Создайте веб-приложение для использования вашей обученной модели	Python	Jen
10	Введение в классификацию	Classification	Очистите, подготовьте и визуализируйте данные; введение в классификацию	Python • R	Jen and Cassie • Eric Wanjau
11	Вкусные азиатские и индийские кухни 🍜	Classification	Введение в классификаторы	Python • R	Jen and Cassie • Eric Wanjau
12	Вкусные азиатские и индийские кухни 🍜	Classification	Дополнительные классификаторы	Python • R	Jen and Cassie • Eric Wanjau
13	Вкусные азиатские и индийские кухни 🍜	Classification	Создайте рекомендательное веб-приложение с использованием вашей модели	Python	Jen
14	Введение в кластеризацию	Clustering	Очистите, подготовьте и визуализируйте данные; введение в кластеризацию	Python • R	Jen • Eric Wanjau
15	Изучение музыкальных вкусов Нигерии 🎧	Clustering	Изучите метод кластеризации K-средних	Python • R	Jen • Eric Wanjau
16	Введение в обработку естественного языка ☕️	Natural language processing	Изучите основы обработки естественного языка, создав простого бота	Python	Stephen
17	Распространённые задачи NLP ☕️	Natural language processing	Углубите знания в NLP, изучая распространённые задачи при работе с языковыми структурами	Python	Stephen
18	Перевод и анализ тональности ♥️	Natural language processing	Перевод и анализ тональности с Джейн Остин	Python	Stephen
19	Романтические отели Европы ♥️	Natural language processing	Анализ тональности отзывов об отелях 1	Python	Stephen
20	Романтические отели Европы ♥️	Natural language processing	Анализ тональности отзывов об отелях 2	Python	Stephen
21	Введение в прогнозирование временных рядов	Time series	Введение в прогнозирование временных рядов	Python	Francesca
22	⚡️ Мировое потребление электроэнергии ⚡️ - прогнозирование временных рядов с ARIMA	Time series	Прогнозирование временных рядов с помощью ARIMA	Python	Francesca
23	⚡️ Мировое потребление электроэнергии ⚡️ - прогнозирование временных рядов с SVR	Time series	Прогнозирование временных рядов с помощью регрессора опорных векторов	Python	Anirban
24	Введение в обучение с подкреплением	Reinforcement learning	Введение в обучение с подкреплением с использованием Q-Learning	Python	Dmitry
25	Помогите Питеру избежать волка! 🐺	Reinforcement learning	Обучение с подкреплением в Gym	Python	Dmitry
Postscript	Реальные сценарии и применения машинного обучения	ML in the Wild	Интересные и познавательные реальные применения классического машинного обучения	Lesson	Team
Postscript	Отладка моделей машинного обучения с помощью панели RAI	ML in the Wild	Отладка моделей машинного обучения с использованием компонентов панели Responsible AI	Lesson	Ruth Yakubu

найдите все дополнительные ресурсы для этого курса в нашей коллекции Microsoft Learn

Офлайн-доступ

Вы можете использовать эту документацию офлайн с помощью Docsify. Форкните этот репозиторий, установите Docsify на вашем локальном компьютере, а затем в корневой папке репозитория выполните команду docsify serve. Веб-сайт будет доступен на порту 3000 на вашем локальном хосте: localhost:3000.

PDF-файлы

Найдите PDF с учебной программой и ссылками здесь.

🎒 Другие курсы

Наша команда выпускает и другие курсы! Ознакомьтесь:

LangChain

Azure / Edge / MCP / Agents

Серия по генеративному ИИ

Основное обучение

Серия Copilot

Получение помощи

Если вы застряли или у вас есть вопросы по созданию приложений с ИИ. Присоединяйтесь к другим учащимся и опытным разработчикам в обсуждениях о MCP. Это поддерживающее сообщество, где вопросы приветствуются, а знания свободно делятся.

Если у вас есть отзывы о продукте или ошибки при разработке, посетите:

Отказ от ответственности:
Этот документ был переведен с помощью сервиса автоматического перевода Co-op Translator. Несмотря на наши усилия по обеспечению точности, имейте в виду, что автоматический перевод может содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется обращаться к профессиональному переводу, выполненному человеком. Мы не несем ответственности за любые недоразумения или неправильные толкования, возникшие в результате использования данного перевода.

39 KiB Raw Blame History Unescape Escape