33 KiB

Raw Blame History Unescape Escape

🌐 Hỗ trợ đa ngôn ngữ

Hỗ trợ qua GitHub Action (Tự động & Luôn cập nhật)

Tham gia Cộng đồng của chúng tôi

Chúng tôi có một chuỗi học tập trên Discord về AI đang diễn ra, tìm hiểu thêm và tham gia cùng chúng tôi tại Chuỗi học với AI từ ngày 18 - 30 tháng 9 năm 2025. Bạn sẽ nhận được các mẹo và thủ thuật sử dụng GitHub Copilot cho Khoa học Dữ liệu.

Học Máy cho Người Mới Bắt Đầu - Một Chương Trình Học

🌍 Du lịch vòng quanh thế giới khi chúng ta khám phá Học Máy thông qua các nền văn hóa thế giới 🌍

Các Nhà vận động Đám mây tại Microsoft vui mừng giới thiệu một chương trình học 12 tuần, 26 bài học về Học Máy. Trong chương trình này, bạn sẽ học về cái mà đôi khi được gọi là học máy cổ điển, chủ yếu sử dụng thư viện Scikit-learn và tránh học sâu, được đề cập trong chương trình AI cho Người Mới Bắt Đầu của chúng tôi. Kết hợp các bài học này với chương trình 'Khoa học Dữ liệu cho Người Mới Bắt Đầu' của chúng tôi nữa nhé!

Hãy cùng chúng tôi du lịch vòng quanh thế giới khi áp dụng các kỹ thuật cổ điển này vào dữ liệu từ nhiều khu vực trên thế giới. Mỗi bài học bao gồm các bài kiểm tra trước và sau bài học, hướng dẫn viết để hoàn thành bài học, một giải pháp, một bài tập, và nhiều hơn nữa. Phương pháp giảng dạy dựa trên dự án của chúng tôi cho phép bạn học trong khi xây dựng, một cách đã được chứng minh giúp kỹ năng mới "bám chắc".

✍️ Xin chân thành cảm ơn các tác giả của chúng tôi Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu và Amy Boyd

🎨 Cảm ơn các họa sĩ minh họa Tomomi Imura, Dasani Madipalli, và Jen Looper

🙏 Cảm ơn đặc biệt 🙏 các tác giả, người đánh giá và đóng góp nội dung là Đại sứ Sinh viên Microsoft, đặc biệt là Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, và Snigdha Agarwal

🤩 Cảm ơn thêm các Đại sứ Sinh viên Microsoft Eric Wanjau, Jasleen Sondhi, và Vidushi Gupta cho các bài học R của chúng tôi!

Bắt đầu

Thực hiện các bước sau:

Fork Kho Lưu trữ: Nhấn nút "Fork" ở góc trên bên phải của trang này.
Clone Kho Lưu trữ: git clone https://github.com/microsoft/ML-For-Beginners.git

tìm tất cả tài nguyên bổ sung cho khóa học này trong bộ sưu tập Microsoft Learn của chúng tôi

🔧 Cần giúp đỡ? Xem Hướng dẫn Khắc phục sự cố của chúng tôi để tìm giải pháp cho các vấn đề phổ biến về cài đặt, thiết lập và chạy bài học.

Học sinh, để sử dụng chương trình học này, hãy fork toàn bộ repo vào tài khoản GitHub của bạn và hoàn thành các bài tập một mình hoặc theo nhóm:

Bắt đầu với bài kiểm tra trước bài giảng.
Đọc bài giảng và hoàn thành các hoạt động, tạm dừng và suy ngẫm tại mỗi điểm kiểm tra kiến thức.
Cố gắng tạo các dự án bằng cách hiểu bài học thay vì chạy mã giải pháp; tuy nhiên mã đó có sẵn trong các thư mục /solution trong mỗi bài học theo dự án.
Làm bài kiểm tra sau bài giảng.
Hoàn thành thử thách.
Hoàn thành bài tập.
Sau khi hoàn thành một nhóm bài học, hãy truy cập Bảng Thảo luận và "học cùng nhau" bằng cách điền vào bảng đánh giá PAT phù hợp. 'PAT' là Công cụ Đánh giá Tiến độ mà bạn điền để thúc đẩy việc học của mình. Bạn cũng có thể phản hồi các PAT khác để chúng ta cùng học.

Để học thêm, chúng tôi khuyên bạn theo dõi các mô-đun và lộ trình học tập Microsoft Learn.

Giáo viên, chúng tôi đã bao gồm một số gợi ý về cách sử dụng chương trình học này.

Video hướng dẫn

Một số bài học có sẵn dưới dạng video ngắn. Bạn có thể tìm tất cả các video này ngay trong bài học, hoặc trên danh sách phát ML for Beginners trên kênh Microsoft Developer YouTube bằng cách nhấp vào hình ảnh bên dưới.

Gặp gỡ Đội ngũ

Gif bởi Mohit Jaisal

🎥 Nhấp vào hình ảnh trên để xem video về dự án và những người đã tạo ra nó!

Phương pháp giảng dạy

Chúng tôi đã chọn hai nguyên tắc giảng dạy khi xây dựng chương trình này: đảm bảo nó là dựa trên dự án thực hành và bao gồm các bài kiểm tra thường xuyên. Ngoài ra, chương trình này có một chủ đề chung để tạo sự liên kết.

Bằng cách đảm bảo nội dung phù hợp với các dự án, quá trình học trở nên hấp dẫn hơn với học sinh và tăng khả năng ghi nhớ các khái niệm. Thêm vào đó, một bài kiểm tra nhẹ nhàng trước lớp giúp học sinh định hướng học tập, trong khi bài kiểm tra thứ hai sau lớp giúp củng cố kiến thức. Chương trình này được thiết kế linh hoạt và vui nhộn, có thể học toàn bộ hoặc từng phần. Các dự án bắt đầu nhỏ và trở nên phức tạp hơn vào cuối chu kỳ 12 tuần. Chương trình cũng bao gồm phần hậu ký về các ứng dụng thực tế của ML, có thể dùng làm điểm cộng hoặc làm cơ sở thảo luận.

Tìm các hướng dẫn Quy tắc ứng xử, Đóng góp, Dịch thuật, và Khắc phục sự cố. Chúng tôi hoan nghênh phản hồi xây dựng của bạn!

Mỗi bài học bao gồm

ghi chú phác thảo tùy chọn
video bổ sung tùy chọn
video hướng dẫn (chỉ một số bài học)
bài kiểm tra khởi động trước bài giảng
bài học viết
đối với bài học dựa trên dự án, hướng dẫn từng bước cách xây dựng dự án
kiểm tra kiến thức
một thử thách
đọc thêm bổ sung
bài tập
bài kiểm tra sau bài giảng

Lưu ý về ngôn ngữ: Các bài học này chủ yếu viết bằng Python, nhưng nhiều bài cũng có sẵn bằng R. Để hoàn thành bài học R, hãy vào thư mục /solution và tìm các bài học R. Chúng bao gồm phần mở rộng .rmd đại diện cho một tệp R Markdown có thể được định nghĩa đơn giản là nhúng các đoạn mã (của R hoặc các ngôn ngữ khác) và một đầu YAML (hướng dẫn cách định dạng đầu ra như PDF) trong một tài liệu Markdown. Do đó, nó là một khung tác giả mẫu cho khoa học dữ liệu vì cho phép bạn kết hợp mã, đầu ra và suy nghĩ của mình bằng cách viết chúng trong Markdown. Hơn nữa, tài liệu R Markdown có thể được xuất ra các định dạng như PDF, HTML hoặc Word.

Lưu ý về các bài kiểm tra: Tất cả các bài kiểm tra đều nằm trong thư mục Ứng dụng Quiz, tổng cộng 52 bài kiểm tra với mỗi bài gồm ba câu hỏi. Chúng được liên kết trong các bài học nhưng ứng dụng quiz có thể chạy cục bộ; làm theo hướng dẫn trong thư mục quiz-app để lưu trữ cục bộ hoặc triển khai lên Azure.

Số bài học	Chủ đề	Nhóm bài học	Mục tiêu học tập	Bài học liên kết	Tác giả
01	Giới thiệu về học máy	Introduction	Tìm hiểu các khái niệm cơ bản đằng sau học máy	Lesson	Muhammad
02	Lịch sử của học máy	Introduction	Tìm hiểu lịch sử nền tảng của lĩnh vực này	Lesson	Jen and Amy
03	Công bằng và học máy	Introduction	Những vấn đề triết học quan trọng về công bằng mà học viên nên cân nhắc khi xây dựng và áp dụng các mô hình ML là gì?	Lesson	Tomomi
04	Kỹ thuật cho học máy	Introduction	Các nhà nghiên cứu ML sử dụng những kỹ thuật nào để xây dựng mô hình ML?	Lesson	Chris and Jen
05	Giới thiệu về hồi quy	Regression	Bắt đầu với Python và Scikit-learn cho các mô hình hồi quy	Python • R	Jen • Eric Wanjau
06	Giá bí ngô Bắc Mỹ 🎃	Regression	Trực quan hóa và làm sạch dữ liệu để chuẩn bị cho ML	Python • R	Jen • Eric Wanjau
07	Giá bí ngô Bắc Mỹ 🎃	Regression	Xây dựng các mô hình hồi quy tuyến tính và đa thức	Python • R	Jen and Dmitry • Eric Wanjau
08	Giá bí ngô Bắc Mỹ 🎃	Regression	Xây dựng mô hình hồi quy logistic	Python • R	Jen • Eric Wanjau
09	Ứng dụng web 🔌	Web App	Xây dựng một ứng dụng web để sử dụng mô hình đã huấn luyện	Python	Jen
10	Giới thiệu về phân loại	Classification	Làm sạch, chuẩn bị và trực quan hóa dữ liệu; giới thiệu về phân loại	Python • R	Jen and Cassie • Eric Wanjau
11	Ẩm thực châu Á và Ấn Độ ngon miệng 🍜	Classification	Giới thiệu về các bộ phân loại	Python • R	Jen and Cassie • Eric Wanjau
12	Ẩm thực châu Á và Ấn Độ ngon miệng 🍜	Classification	Thêm các bộ phân loại	Python • R	Jen and Cassie • Eric Wanjau
13	Ẩm thực châu Á và Ấn Độ ngon miệng 🍜	Classification	Xây dựng ứng dụng web đề xuất sử dụng mô hình của bạn	Python	Jen
14	Giới thiệu về phân cụm	Clustering	Làm sạch, chuẩn bị và trực quan hóa dữ liệu; Giới thiệu về phân cụm	Python • R	Jen • Eric Wanjau
15	Khám phá sở thích âm nhạc Nigeria 🎧	Clustering	Khám phá phương pháp phân cụm K-Means	Python • R	Jen • Eric Wanjau
16	Giới thiệu về xử lý ngôn ngữ tự nhiên ☕️	Natural language processing	Tìm hiểu những kiến thức cơ bản về NLP bằng cách xây dựng một bot đơn giản	Python	Stephen
17	Các tác vụ NLP phổ biến ☕️	Natural language processing	Nâng cao kiến thức NLP của bạn bằng cách hiểu các tác vụ phổ biến cần thiết khi xử lý cấu trúc ngôn ngữ	Python	Stephen
18	Dịch thuật và phân tích cảm xúc ♥️	Natural language processing	Dịch thuật và phân tích cảm xúc với Jane Austen	Python	Stephen
19	Khách sạn lãng mạn ở châu Âu ♥️	Natural language processing	Phân tích cảm xúc với đánh giá khách sạn 1	Python	Stephen
20	Khách sạn lãng mạn ở châu Âu ♥️	Natural language processing	Phân tích cảm xúc với đánh giá khách sạn 2	Python	Stephen
21	Giới thiệu về dự báo chuỗi thời gian	Time series	Giới thiệu về dự báo chuỗi thời gian	Python	Francesca
22	⚡️ Sử dụng điện năng thế giới ⚡️ - dự báo chuỗi thời gian với ARIMA	Time series	Dự báo chuỗi thời gian với ARIMA	Python	Francesca
23	⚡️ Sử dụng điện năng thế giới ⚡️ - dự báo chuỗi thời gian với SVR	Time series	Dự báo chuỗi thời gian với Hồi quy Vector Hỗ trợ	Python	Anirban
24	Giới thiệu về học tăng cường	Reinforcement learning	Giới thiệu về học tăng cường với Q-Learning	Python	Dmitry
25	Giúp Peter tránh con sói! 🐺	Reinforcement learning	Học tăng cường Gym	Python	Dmitry
Postscript	Các kịch bản và ứng dụng ML trong thế giới thực	ML in the Wild	Các ứng dụng thú vị và tiết lộ trong thế giới thực của ML cổ điển	Lesson	Team
Postscript	Gỡ lỗi mô hình trong ML sử dụng bảng điều khiển RAI	ML in the Wild	Gỡ lỗi mô hình trong học máy sử dụng các thành phần bảng điều khiển Responsible AI	Lesson	Ruth Yakubu

tìm tất cả các tài nguyên bổ sung cho khóa học này trong bộ sưu tập Microsoft Learn của chúng tôi

Truy cập ngoại tuyến

Bạn có thể chạy tài liệu này ngoại tuyến bằng cách sử dụng Docsify. Fork repo này, cài đặt Docsify trên máy cục bộ của bạn, sau đó trong thư mục gốc của repo này, gõ docsify serve. Trang web sẽ được phục vụ trên cổng 3000 trên localhost của bạn: localhost:3000.

PDF

Tìm file pdf của chương trình học với các liên kết tại đây.

🎒 Các khóa học khác

Nhóm của chúng tôi còn sản xuất các khóa học khác! Hãy xem:

LangChain

Azure / Edge / MCP / Agents

Series AI Tạo sinh

Học Tập Cốt Lõi

Series Copilot

Nhận Trợ Giúp

Nếu bạn bị mắc kẹt hoặc có bất kỳ câu hỏi nào về việc xây dựng ứng dụng AI. Hãy tham gia cùng những người học khác và các nhà phát triển có kinh nghiệm trong các cuộc thảo luận về MCP. Đây là một cộng đồng hỗ trợ, nơi các câu hỏi được chào đón và kiến thức được chia sẻ một cách tự do.

Nếu bạn có phản hồi về sản phẩm hoặc gặp lỗi trong quá trình xây dựng, hãy truy cập:

Tuyên bố từ chối trách nhiệm:
Tài liệu này đã được dịch bằng dịch vụ dịch thuật AI Co-op Translator. Mặc dù chúng tôi cố gắng đảm bảo độ chính xác, xin lưu ý rằng các bản dịch tự động có thể chứa lỗi hoặc không chính xác. Tài liệu gốc bằng ngôn ngữ gốc của nó nên được coi là nguồn chính xác và đáng tin cậy. Đối với các thông tin quan trọng, nên sử dụng dịch vụ dịch thuật chuyên nghiệp do con người thực hiện. Chúng tôi không chịu trách nhiệm về bất kỳ sự hiểu lầm hoặc giải thích sai nào phát sinh từ việc sử dụng bản dịch này.

33 KiB Raw Blame History Unescape Escape