leestott
0f760e5383
|
6 months ago | |
|---|---|---|
| .. | ||
| 1-Introduction | 6 months ago | |
| 2-Regression | 6 months ago | |
| 3-Web-App | 6 months ago | |
| 4-Classification | 6 months ago | |
| 5-Clustering | 6 months ago | |
| 6-NLP | 6 months ago | |
| 7-TimeSeries | 6 months ago | |
| 8-Reinforcement | 6 months ago | |
| 9-Real-World | 6 months ago | |
| docs | 6 months ago | |
| quiz-app | 6 months ago | |
| sketchnotes | 6 months ago | |
| CODE_OF_CONDUCT.md | 6 months ago | |
| CONTRIBUTING.md | 6 months ago | |
| PyTorch_Fundamentals.ipynb | 6 months ago | |
| README.md | 6 months ago | |
| SECURITY.md | 6 months ago | |
| SUPPORT.md | 6 months ago | |
| for-teachers.md | 6 months ago | |
README.md
🌐 Wsparcie wielojęzyczne
Obsługiwane przez GitHub Action (Automatyczne i zawsze aktualne)
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)
Dołącz do społeczności
Uczenie maszynowe dla początkujących - Program nauczania
🌍 Podróżuj po świecie, odkrywając uczenie maszynowe przez pryzmat kultur świata 🌍
Cloud Advocates w Microsoft z dumą oferują 12-tygodniowy, 26-lekcyjny program nauczania dotyczący uczenia maszynowego. W tym programie nauczysz się, czym jest czasami nazywane klasyczne uczenie maszynowe, korzystając głównie z biblioteki Scikit-learn i unikając uczenia głębokiego, które jest omówione w naszym programie nauczania AI dla początkujących. Połącz te lekcje z naszym programem nauczania Data Science dla początkujących!
Podróżuj z nami po świecie, stosując te klasyczne techniki do danych z różnych regionów świata. Każda lekcja zawiera quizy przed i po lekcji, pisemne instrukcje do wykonania lekcji, rozwiązanie, zadanie i wiele więcej. Nasze podejście oparte na projektach pozwala uczyć się poprzez tworzenie, co jest sprawdzonym sposobem na trwałe przyswojenie nowych umiejętności.
✍️ Serdeczne podziękowania dla naszych autorów Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu i Amy Boyd
🎨 Podziękowania również dla naszych ilustratorów Tomomi Imura, Dasani Madipalli i Jen Looper
🙏 Szczególne podziękowania 🙏 dla naszych autorów, recenzentów i współtwórców treści z grona Microsoft Student Ambassador, w tym Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila i Snigdha Agarwal
🤩 Dodatkowe podziękowania dla Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi i Vidushi Gupta za lekcje R!
Rozpoczęcie
Postępuj zgodnie z poniższymi krokami:
- Fork repozytorium: Kliknij przycisk "Fork" w prawym górnym rogu tej strony.
- Sklonuj repozytorium:
git clone https://github.com/microsoft/ML-For-Beginners.git
Znajdź wszystkie dodatkowe zasoby dla tego kursu w naszej kolekcji Microsoft Learn
Studenci, aby korzystać z tego programu nauczania, zrób fork całego repozytorium na swoje konto GitHub i wykonaj ćwiczenia samodzielnie lub w grupie:
- Rozpocznij od quizu przed lekcją.
- Przeczytaj lekcję i wykonaj aktywności, zatrzymując się i reflektując przy każdym sprawdzeniu wiedzy.
- Spróbuj stworzyć projekty, rozumiejąc lekcje, zamiast uruchamiać kod rozwiązania; jednak ten kod jest dostępny w folderach
/solutionw każdej lekcji opartej na projekcie. - Zrób quiz po lekcji.
- Wykonaj wyzwanie.
- Wykonaj zadanie.
- Po ukończeniu grupy lekcji odwiedź Forum dyskusyjne i "ucz się na głos", wypełniając odpowiedni rubrykę PAT. 'PAT' to narzędzie oceny postępów, które jest rubryką, którą wypełniasz, aby pogłębić swoją naukę. Możesz również reagować na inne PAT, abyśmy mogli uczyć się razem.
Do dalszej nauki polecamy śledzenie tych modułów i ścieżek nauki Microsoft Learn.
Nauczyciele, zamieściliśmy kilka sugestii dotyczących korzystania z tego programu nauczania.
Przewodniki wideo
Niektóre lekcje są dostępne w formie krótkich filmów. Wszystkie można znaleźć w lekcjach lub na playliście ML dla początkujących na kanale YouTube Microsoft Developer, klikając obrazek poniżej.
Poznaj zespół
Gif autorstwa Mohit Jaisal
🎥 Kliknij obrazek powyżej, aby obejrzeć film o projekcie i osobach, które go stworzyły!
Pedagogika
Podczas tworzenia tego programu nauczania wybraliśmy dwa główne założenia pedagogiczne: zapewnienie, że jest on praktyczny oparty na projektach oraz że zawiera częste quizy. Ponadto program nauczania ma wspólny motyw, który nadaje mu spójność.
Zapewniając, że treść jest zgodna z projektami, proces staje się bardziej angażujący dla uczniów, a przyswajanie koncepcji zostaje wzmocnione. Dodatkowo quiz o niskim poziomie trudności przed zajęciami ustawia intencję ucznia na naukę danego tematu, podczas gdy drugi quiz po zajęciach zapewnia dalsze przyswajanie wiedzy. Ten program nauczania został zaprojektowany tak, aby był elastyczny i przyjemny, i można go realizować w całości lub częściowo. Projekty zaczynają się od prostych i stają się coraz bardziej złożone pod koniec 12-tygodniowego cyklu. Program nauczania zawiera również postscriptum dotyczące rzeczywistych zastosowań ML, które można wykorzystać jako dodatkowe punkty lub jako podstawę do dyskusji.
Znajdź nasze Zasady postępowania, Wskazówki dotyczące współtworzenia i Wskazówki dotyczące tłumaczeń. Czekamy na Twoją konstruktywną opinię!
Każda lekcja zawiera
- opcjonalny sketchnote
- opcjonalny film uzupełniający
- przewodnik wideo (tylko niektóre lekcje)
- quiz rozgrzewkowy przed lekcją
- pisemną lekcję
- dla lekcji opartych na projektach, przewodniki krok po kroku, jak zbudować projekt
- sprawdzenie wiedzy
- wyzwanie
- dodatkowe materiały do czytania
- zadanie
- quiz po lekcji
Uwaga dotycząca języków: Lekcje są głównie napisane w Pythonie, ale wiele z nich jest również dostępnych w R. Aby ukończyć lekcję w R, przejdź do folderu
/solutioni poszukaj lekcji w R. Zawierają one rozszerzenie .rmd, które reprezentuje R Markdown, dokument umożliwiający łączenie kodu, jego wyników i przemyśleń w jednym miejscu. Dokumenty R Markdown mogą być renderowane do formatów wyjściowych, takich jak PDF, HTML lub Word.
Uwaga dotycząca quizów: Wszystkie quizy znajdują się w folderze Quiz App, w sumie 52 quizy po trzy pytania każdy. Są one połączone z lekcjami, ale aplikację quizową można uruchomić lokalnie; postępuj zgodnie z instrukcjami w folderze
quiz-app, aby hostować lokalnie lub wdrożyć na Azure.
| Numer lekcji | Temat | Grupa lekcji | Cele nauczania | Powiązana lekcja | Autor |
|---|---|---|---|---|---|
| 01 | Wprowadzenie do uczenia maszynowego | Wprowadzenie | Poznaj podstawowe pojęcia związane z uczeniem maszynowym | Lekcja | Muhammad |
| 02 | Historia uczenia maszynowego | Wprowadzenie | Poznaj historię stojącą za tą dziedziną | Lekcja | Jen i Amy |
| 03 | Sprawiedliwość w uczeniu maszynowym | Wprowadzenie | Jakie ważne kwestie filozoficzne dotyczące sprawiedliwości powinni rozważyć uczniowie podczas budowania i stosowania modeli ML? | Lekcja | Tomomi |
| 04 | Techniki uczenia maszynowego | Wprowadzenie | Jakie techniki stosują badacze ML do budowy modeli ML? | Lekcja | Chris i Jen |
| 05 | Wprowadzenie do regresji | Regression | Rozpocznij pracę z Pythonem i Scikit-learn dla modeli regresji |
- [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 i 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 i Cassie
- Eric Wanjau
- [Python](4-Classification/2-Classifiers-1/README.md)
- [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) |
- Jen i Cassie
- Eric Wanjau
- [Python](4-Classification/3-Classifiers-2/README.md)
- [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) |
- Jen i 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
znajdź wszystkie dodatkowe zasoby dla tego kursu w naszej kolekcji Microsoft Learn
Dostęp offline
Możesz uruchomić tę dokumentację offline, korzystając z Docsify. Sforkuj to repozytorium, zainstaluj Docsify na swoim lokalnym komputerze, a następnie w głównym folderze tego repozytorium wpisz
docsify serve. Strona internetowa zostanie uruchomiona na porcie 3000 na twoim localhost:localhost:3000.PDF-y
Znajdź plik PDF z programem nauczania i linkami tutaj.
🎒 Inne kursy
Nasz zespół tworzy inne kursy! Sprawdź:
- 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
Zastrzeżenie:
Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI Co-op Translator. Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za źródło autorytatywne. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.