leestott
507fbd0fad
|
12 months ago | |
|---|---|---|
| .. | ||
| 1-Introduction | 12 months ago | |
| 2-Regression | 12 months ago | |
| 3-Web-App | 12 months ago | |
| 4-Classification | 12 months ago | |
| 5-Clustering | 12 months ago | |
| 6-NLP | 12 months ago | |
| 7-TimeSeries | 12 months ago | |
| 8-Reinforcement | 12 months ago | |
| 9-Real-World | 12 months ago | |
| docs | 12 months ago | |
| quiz-app | 12 months ago | |
| sketchnotes | 12 months ago | |
| CODE_OF_CONDUCT.md | 12 months ago | |
| CONTRIBUTING.md | 12 months ago | |
| README.md | 12 months ago | |
| SECURITY.md | 12 months ago | |
| SUPPORT.md | 12 months ago | |
| for-teachers.md | 12 months ago | |
README.md
🌐 Støtte for flere språk
Støttet via GitHub Action (Automatisk og alltid oppdatert)
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)
Bli med i fellesskapet
Maskinlæring for nybegynnere - Et pensum
🌍 Reis rundt i verden mens vi utforsker maskinlæring gjennom verdens kulturer 🌍
Cloud Advocates hos Microsoft er glade for å tilby et 12-ukers, 26-leksjons pensum om maskinlæring. I dette pensumet vil du lære om det som noen ganger kalles klassisk maskinlæring, hovedsakelig ved bruk av Scikit-learn som bibliotek og unngå dyp læring, som dekkes i vårt AI for Beginners-pensum. Kombiner disse leksjonene med vårt 'Data Science for Beginners'-pensum, også!
Reis med oss rundt i verden mens vi bruker disse klassiske teknikkene på data fra mange områder av verden. Hver leksjon inkluderer quiz før og etter leksjonen, skriftlige instruksjoner for å fullføre leksjonen, en løsning, en oppgave og mer. Vår prosjektbaserte pedagogikk lar deg lære mens du bygger, en bevist måte å få nye ferdigheter til å sitte.
✍️ Stor takk til våre forfattere Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu og Amy Boyd
🎨 Takk også til våre illustratører Tomomi Imura, Dasani Madipalli og Jen Looper
🙏 Spesiell takk 🙏 til våre Microsoft Student Ambassador-forfattere, anmeldere og innholdsbidragsytere, spesielt Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila og Snigdha Agarwal
🤩 Ekstra takknemlighet til Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi og Vidushi Gupta for våre R-leksjoner!
Kom i gang
Følg disse trinnene:
- Fork repoet: Klikk på "Fork"-knappen øverst til høyre på denne siden.
- Klon repoet:
git clone https://github.com/microsoft/ML-For-Beginners.git
finn alle tilleggsmaterialer for dette kurset i vår Microsoft Learn-samling
Studenter, for å bruke dette pensumet, fork hele repoet til din egen GitHub-konto og fullfør oppgavene alene eller med en gruppe:
- Start med en quiz før leksjonen.
- Les leksjonen og fullfør aktivitetene, ta pauser og reflekter ved hver kunnskapssjekk.
- Prøv å lage prosjektene ved å forstå leksjonene i stedet for å kjøre løsningskoden; men den koden er tilgjengelig i
/solution-mappene i hver prosjektorienterte leksjon. - Ta quiz etter leksjonen.
- Fullfør utfordringen.
- Fullfør oppgaven.
- Etter å ha fullført en leksjonsgruppe, besøk Diskusjonsforumet og "lær høyt" ved å fylle ut den passende PAT-rubrikken. En 'PAT' er et Progress Assessment Tool som er en rubrikk du fyller ut for å fremme læringen din. Du kan også reagere på andre PAT-er slik at vi kan lære sammen.
For videre studier anbefaler vi å følge disse Microsoft Learn-modulene og læringsstiene.
Lærere, vi har inkludert noen forslag om hvordan du kan bruke dette pensumet.
Videogjennomganger
Noen av leksjonene er tilgjengelige som korte videoer. Du finner alle disse i leksjonene, eller på ML for Beginners-spillelisten på Microsoft Developer YouTube-kanalen ved å klikke på bildet nedenfor.
Møt teamet
Gif av Mohit Jaisal
🎥 Klikk på bildet ovenfor for en video om prosjektet og folkene som skapte det!
Pedagogikk
Vi har valgt to pedagogiske prinsipper mens vi bygde dette pensumet: å sikre at det er praktisk prosjektbasert og at det inkluderer hyppige quizer. I tillegg har dette pensumet et felles tema for å gi det sammenheng.
Ved å sikre at innholdet er knyttet til prosjekter, blir prosessen mer engasjerende for studenter, og begrepsforståelsen vil bli styrket. I tillegg setter en lavterskelquiz før en klasse studentens intensjon mot å lære et emne, mens en andre quiz etter klassen sikrer ytterligere forståelse. Dette pensumet ble designet for å være fleksibelt og morsomt og kan tas i sin helhet eller delvis. Prosjektene starter små og blir stadig mer komplekse mot slutten av den 12-ukers syklusen. Dette pensumet inkluderer også et tillegg om virkelige applikasjoner av ML, som kan brukes som ekstra kreditt eller som grunnlag for diskusjon.
Finn vår Code of Conduct, Contributing, og Translation-retningslinjer. Vi ønsker din konstruktive tilbakemelding velkommen!
Hver leksjon inkluderer
- valgfri sketchnote
- valgfri tilleggsvideo
- videogjennomgang (noen leksjoner)
- quiz før leksjonen
- skriftlig leksjon
- for prosjektbaserte leksjoner, trinnvise guider for hvordan du bygger prosjektet
- kunnskapssjekker
- en utfordring
- tilleggslesing
- oppgave
- quiz etter leksjonen
En merknad om språk: Disse leksjonene er hovedsakelig skrevet i Python, men mange er også tilgjengelige i R. For å fullføre en R-leksjon, gå til
/solution-mappen og se etter R-leksjoner. De inkluderer en .rmd-utvidelse som representerer en R Markdown-fil som enkelt kan defineres som en innbygging avkodeblokker(av R eller andre språk) og enYAML-header(som styrer hvordan utdata formateres, som PDF) i etMarkdown-dokument. Som sådan fungerer det som et eksemplarisk forfatterrammeverk for datavitenskap siden det lar deg kombinere koden din, dens utdata og tankene dine ved å skrive dem ned i Markdown. Dessuten kan R Markdown-dokumenter gjengis til utdataformater som PDF, HTML eller Word.
En merknad om quizer: Alle quizer er inneholdt i Quiz App-mappen, for totalt 52 quizer med tre spørsmål hver. De er lenket fra leksjonene, men quiz-appen kan kjøres lokalt; følg instruksjonene i
quiz-app-mappen for å være vert lokalt eller distribuere til Azure.
| Leksjonsnummer | Emne | Leksjonsgruppe | Læringsmål | Lenket leksjon | Forfatter |
|---|---|---|---|---|---|
| 01 | Introduksjon til maskinlæring | Introduksjon | Lær de grunnleggende konseptene bak maskinlæring | Leksjon | Muhammad |
| 02 | Historien til maskinlæring | Introduksjon | Lær historien bak dette feltet | Leksjon | Jen og Amy |
| 03 | Rettferdighet og maskinlæring | Introduksjon | Hva er de viktige filosofiske spørsmålene rundt rettferdighet som studenter bør vurdere når de bygger og bruker ML-modeller? | Leksjon | Tomomi |
| 04 | Teknikker for maskinlæring | Introduksjon | Hvilke teknikker bruker ML-forskere for å bygge ML-modeller? | Leksjon | Chris og Jen |
| 05 | Introduksjon til regresjon | Regresjon | Kom i gang med Python og Scikit-learn for regresjonsmodeller |
- [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 og 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 og Cassie
- Eric Wanjau
- [Python](4-Classification/2-Classifiers-1/README.md)
- [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) |
- Jen og Cassie
- Eric Wanjau
- [Python](4-Classification/3-Classifiers-2/README.md)
- [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) |
- Jen og 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
finn alle tilleggsmaterialer for dette kurset i vår Microsoft Learn-samling
Offline tilgang
Du kan kjøre denne dokumentasjonen offline ved å bruke Docsify. Fork dette repoet, installer Docsify på din lokale maskin, og deretter i rotmappen av dette repoet, skriv
docsify serve. Nettstedet vil bli servert på port 3000 på din localhost:localhost:3000.PDF-er
Finn en PDF av pensum med lenker her.
🎒 Andre kurs
Teamet vårt produserer andre kurs! Sjekk ut:
- Generativ AI for nybegynnere
- Generativ AI for nybegynnere .NET
- Generativ AI med JavaScript
- Generativ AI med Java
- AI for nybegynnere
- Data Science for nybegynnere
- ML for nybegynnere
- Cybersikkerhet for nybegynnere
- Webutvikling for nybegynnere
- IoT for nybegynnere
- XR-utvikling for nybegynnere
- Mestre GitHub Copilot for parprogrammering
- Mestre GitHub Copilot for C#/.NET-utviklere
- Velg ditt eget Copilot-eventyr
Ansvarsfraskrivelse:
Dette dokumentet er oversatt ved hjelp av AI-oversettelsestjenesten Co-op Translator. Selv om vi streber etter nøyaktighet, vær oppmerksom på at automatiske oversettelser kan inneholde feil eller unøyaktigheter. Det originale dokumentet på sitt opprinnelige språk bør anses som den autoritative kilden. For kritisk informasjon anbefales profesjonell menneskelig oversettelse. Vi er ikke ansvarlige for misforståelser eller feiltolkninger som oppstår ved bruk av denne oversettelsen.