|
5 days ago | |
---|---|---|
.. | ||
1-Introduction | 1 month ago | |
2-Regression | 1 month ago | |
3-Web-App | 1 month ago | |
4-Classification | 1 month ago | |
5-Clustering | 1 month ago | |
6-NLP | 1 month ago | |
7-TimeSeries | 1 month ago | |
8-Reinforcement | 1 month ago | |
9-Real-World | 1 month ago | |
docs | 1 month ago | |
quiz-app | 1 month ago | |
sketchnotes | 1 month ago | |
AGENTS.md | 5 days ago | |
CODE_OF_CONDUCT.md | 1 month ago | |
CONTRIBUTING.md | 1 month ago | |
PyTorch_Fundamentals.ipynb | 1 month ago | |
README.md | 5 days ago | |
SECURITY.md | 1 month ago | |
SUPPORT.md | 1 month ago | |
for-teachers.md | 1 month ago |
README.md
🌐 Suporta sa Iba't Ibang Wika
Sinusuportahan sa pamamagitan ng GitHub Action (Automated at Laging Napapanahon)
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)
Sumali sa Aming Komunidad
May ongoing na Discord series tungkol sa pag-aaral gamit ang AI, alamin pa at sumali sa Learn with AI Series mula 18 - 30 Setyembre, 2025. Makakakuha ka ng mga tips at tricks sa paggamit ng GitHub Copilot para sa Data Science.
Machine Learning para sa Mga Baguhan - Isang Kurikulum
🌍 Maglakbay sa iba't ibang bahagi ng mundo habang tinutuklas ang Machine Learning sa pamamagitan ng mga kultura sa mundo 🌍
Ang mga Cloud Advocates sa Microsoft ay masayang nag-aalok ng isang 12-linggong, 26-leksyon na kurikulum tungkol sa Machine Learning. Sa kurikulum na ito, matututo ka tungkol sa tinatawag na classic machine learning, gamit ang pangunahing Scikit-learn bilang library at iiwasan ang deep learning, na saklaw sa aming AI for Beginners' curriculum. Ipares ang mga leksyon na ito sa aming 'Data Science for Beginners' curriculum, din!
Sumama sa amin sa paglalakbay sa iba't ibang bahagi ng mundo habang ina-apply ang mga klasikong teknik na ito sa data mula sa maraming lugar sa mundo. Ang bawat leksyon ay may kasamang pre- at post-lesson quizzes, nakasulat na mga tagubilin para kumpletuhin ang leksyon, solusyon, assignment, at marami pa. Ang aming project-based pedagogy ay nagbibigay-daan sa iyo na matuto habang gumagawa, isang napatunayang paraan para mas matandaan ang mga bagong kasanayan.
✍️ Taos-pusong pasasalamat sa aming mga may-akda Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu at Amy Boyd
🎨 Salamat din sa aming mga ilustrador Tomomi Imura, Dasani Madipalli, at Jen Looper
🙏 Espesyal na pasasalamat 🙏 sa aming Microsoft Student Ambassador na mga may-akda, reviewer, at content contributors, partikular Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, at Snigdha Agarwal
🤩 Dagdag na pasasalamat sa Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, at Vidushi Gupta para sa aming mga R lessons!
Pagsisimula
Sundin ang mga hakbang na ito:
- Fork ang Repository: I-click ang "Fork" button sa kanang-itaas na bahagi ng pahinang ito.
- Clone ang Repository:
git clone https://github.com/microsoft/ML-For-Beginners.git
hanapin ang lahat ng karagdagang resources para sa kursong ito sa aming Microsoft Learn collection
Mga Mag-aaral, para magamit ang kurikulum na ito, i-fork ang buong repo sa iyong sariling GitHub account at kumpletuhin ang mga exercises nang mag-isa o kasama ang grupo:
- Magsimula sa pre-lecture quiz.
- Basahin ang leksyon at kumpletuhin ang mga aktibidad, huminto at magmuni-muni sa bawat knowledge check.
- Subukang gawin ang mga proyekto sa pamamagitan ng pag-unawa sa mga leksyon sa halip na i-run ang solution code; gayunpaman, ang code na iyon ay makikita sa
/solution
folders sa bawat project-oriented lesson. - Gawin ang post-lecture quiz.
- Kumpletuhin ang challenge.
- Kumpletuhin ang assignment.
- Pagkatapos makumpleto ang isang grupo ng leksyon, bisitahin ang Discussion Board at "matuto nang malakas" sa pamamagitan ng pag-fill out ng angkop na PAT rubric. Ang 'PAT' ay isang Progress Assessment Tool na isang rubric na iyong pinupunan para mapalalim ang iyong pag-aaral. Maaari ka ring mag-react sa ibang PATs para matuto nang sama-sama.
Para sa karagdagang pag-aaral, inirerekomenda naming sundan ang mga Microsoft Learn modules at learning paths.
Mga Guro, mayroon kaming ilang mungkahi kung paano gamitin ang kurikulum na ito.
Mga Video Walkthrough
Ang ilan sa mga leksyon ay available bilang short form video. Makikita mo ang lahat ng ito in-line sa mga leksyon, o sa ML for Beginners playlist sa Microsoft Developer YouTube channel sa pamamagitan ng pag-click sa imahe sa ibaba.
Kilalanin ang Team
Gif ni Mohit Jaisal
🎥 I-click ang imahe sa itaas para sa isang video tungkol sa proyekto at sa mga taong lumikha nito!
Pedagogy
Pinili namin ang dalawang pedagogical tenets habang binubuo ang kurikulum na ito: tiyakin na ito ay hands-on project-based at na ito ay may kasamang madalas na quizzes. Bukod dito, ang kurikulum na ito ay may karaniwang tema para bigyan ito ng cohesion.
Sa pamamagitan ng pagtiyak na ang content ay naka-align sa mga proyekto, mas nagiging engaging ang proseso para sa mga mag-aaral at mas tumatatak ang mga konsepto. Bukod dito, ang low-stakes quiz bago ang klase ay nagtatakda ng intensyon ng mag-aaral patungo sa pag-aaral ng isang paksa, habang ang pangalawang quiz pagkatapos ng klase ay mas nagtitiyak ng retention. Ang kurikulum na ito ay dinisenyo upang maging flexible at masaya at maaaring kunin nang buo o bahagi lamang. Ang mga proyekto ay nagsisimula sa maliit at nagiging mas kumplikado sa pagtatapos ng 12-linggong cycle. Ang kurikulum na ito ay may kasamang postscript sa mga real-world applications ng ML, na maaaring gamitin bilang extra credit o bilang basehan para sa diskusyon.
Hanapin ang aming Code of Conduct, Contributing, at Translation guidelines. Malugod naming tinatanggap ang iyong mga konstruktibong feedback!
Ang bawat leksyon ay may kasamang
- opsyonal na sketchnote
- opsyonal na supplemental video
- video walkthrough (ilang leksyon lamang)
- pre-lecture warmup quiz
- nakasulat na leksyon
- para sa mga project-based na leksyon, step-by-step na gabay kung paano gawin ang proyekto
- knowledge checks
- isang challenge
- supplemental reading
- assignment
- post-lecture quiz
Tungkol sa mga wika: Ang mga leksyon na ito ay pangunahing nakasulat sa Python, ngunit marami rin ang available sa R. Para kumpletuhin ang isang R lesson, pumunta sa
/solution
folder at hanapin ang mga R lessons. Mayroon silang .rmd extension na kumakatawan sa isang R Markdown file na maaaring simpleng ipaliwanag bilang isang embedding ngcode chunks
(ng R o iba pang wika) at isangYAML header
(na gumagabay kung paano i-format ang outputs tulad ng PDF) sa isangMarkdown document
. Bilang ganito, ito ay nagsisilbing isang exemplary authoring framework para sa data science dahil pinapayagan nitong pagsamahin ang iyong code, ang output nito, at ang iyong mga saloobin sa pamamagitan ng pagsulat ng mga ito sa Markdown. Bukod dito, ang mga R Markdown documents ay maaaring i-render sa output formats tulad ng PDF, HTML, o Word.
Tungkol sa quizzes: Ang lahat ng quizzes ay nakapaloob sa Quiz App folder, para sa kabuuang 52 quizzes na may tig-tatlong tanong bawat isa. Ang mga ito ay naka-link mula sa loob ng mga leksyon ngunit ang quiz app ay maaaring i-run locally; sundin ang mga tagubilin sa
quiz-app
folder para i-host locally o i-deploy sa Azure.
Lesson Number | Paksa | Pangkat ng Leksyon | Mga Layunin sa Pagkatuto | Nakakonektang Leksyon | May-akda |
---|---|---|---|---|---|
01 | Panimula sa machine learning | Panimula | Matutunan ang mga pangunahing konsepto sa likod ng machine learning | Leksyon | Muhammad |
02 | Kasaysayan ng machine learning | Panimula | Matutunan ang kasaysayan sa likod ng larangang ito | Leksyon | Jen at Amy |
03 | Pagkamakatarungan at machine learning | Panimula | Ano ang mga mahahalagang isyung pilosopikal tungkol sa pagkamakatarungan na dapat isaalang-alang ng mga mag-aaral kapag gumagawa at nag-aaplay ng mga ML model? | Aralin | Tomomi |
04 | Mga Teknik para sa machine learning | Panimula | Anong mga teknik ang ginagamit ng mga mananaliksik ng ML para bumuo ng mga ML model? | Aralin | Chris at Jen |
05 | Panimula sa regression | Regression | Magsimula sa Python at Scikit-learn para sa mga regression model | Python • R | Jen • Eric Wanjau |
06 | Mga Presyo ng Kalabasa sa Hilagang Amerika 🎃 | Regression | I-visualize at linisin ang data bilang paghahanda para sa ML | Python • R | Jen • Eric Wanjau |
07 | Mga Presyo ng Kalabasa sa Hilagang Amerika 🎃 | Regression | Bumuo ng linear at polynomial regression models | Python • R | Jen at Dmitry • Eric Wanjau |
08 | Mga Presyo ng Kalabasa sa Hilagang Amerika 🎃 | Regression | Bumuo ng logistic regression model | Python • R | Jen • Eric Wanjau |
09 | Isang Web App 🔌 | Web App | Bumuo ng web app para magamit ang iyong na-train na model | Python | Jen |
10 | Panimula sa classification | Classification | Linisin, ihanda, at i-visualize ang iyong data; panimula sa classification | Python • R | Jen at Cassie • Eric Wanjau |
11 | Masasarap na Asian at Indian na lutuin 🍜 | Classification | Panimula sa classifiers | Python • R | Jen at Cassie • Eric Wanjau |
12 | Masasarap na Asian at Indian na lutuin 🍜 | Classification | Higit pang classifiers | Python • R | Jen at Cassie • Eric Wanjau |
13 | Masasarap na Asian at Indian na lutuin 🍜 | Classification | Bumuo ng recommender web app gamit ang iyong model | Python | Jen |
14 | Panimula sa clustering | Clustering | Linisin, ihanda, at i-visualize ang iyong data; Panimula sa clustering | Python • R | Jen • Eric Wanjau |
15 | Pagsusuri ng Panlasa sa Musika ng Nigeria 🎧 | Clustering | Suriin ang K-Means clustering method | Python • R | Jen • Eric Wanjau |
16 | Panimula sa natural language processing ☕️ | Natural language processing | Matutunan ang mga pangunahing kaalaman tungkol sa NLP sa pamamagitan ng paggawa ng simpleng bot | Python | Stephen |
17 | Karaniwang Gawain sa NLP ☕️ | Natural language processing | Palalimin ang iyong kaalaman sa NLP sa pamamagitan ng pag-unawa sa mga karaniwang gawain na kinakailangan kapag humaharap sa mga istruktura ng wika | Python | Stephen |
18 | Pagsasalin at pagsusuri ng damdamin ♥️ | Natural language processing | Pagsasalin at pagsusuri ng damdamin gamit ang mga akda ni Jane Austen | Python | Stephen |
19 | Mga Romantic na Hotel sa Europa ♥️ | Natural language processing | Pagsusuri ng damdamin gamit ang mga review ng hotel 1 | Python | Stephen |
20 | Mga Romantic na Hotel sa Europa ♥️ | Natural language processing | Pagsusuri ng damdamin gamit ang mga review ng hotel 2 | Python | Stephen |
21 | Panimula sa time series forecasting | Time series | Panimula sa time series forecasting | Python | Francesca |
22 | ⚡️ Paggamit ng Kuryente sa Mundo ⚡️ - time series forecasting gamit ang ARIMA | Time series | Time series forecasting gamit ang ARIMA | Python | Francesca |
23 | ⚡️ Paggamit ng Kuryente sa Mundo ⚡️ - time series forecasting gamit ang SVR | Time series | Time series forecasting gamit ang Support Vector Regressor | Python | Anirban |
24 | Panimula sa reinforcement learning | Reinforcement learning | Panimula sa reinforcement learning gamit ang Q-Learning | Python | Dmitry |
25 | Tulungan si Peter na iwasan ang lobo! 🐺 | Reinforcement learning | Reinforcement learning Gym | Python | Dmitry |
Postscript | Mga Real-World na Scenario at Aplikasyon ng ML | ML in the Wild | Mga kawili-wili at kapana-panabik na real-world na aplikasyon ng klasikong ML | Aralin | Team |
Postscript | Pag-debug ng Model sa ML gamit ang RAI dashboard | ML in the Wild | Pag-debug ng Model sa Machine Learning gamit ang mga Responsible AI dashboard components | Aralin | Ruth Yakubu |
hanapin ang lahat ng karagdagang resources para sa kursong ito sa aming Microsoft Learn collection
Offline na Pag-access
Maaari mong patakbuhin ang dokumentasyong ito offline gamit ang Docsify. I-fork ang repo na ito, i-install ang Docsify sa iyong lokal na makina, at pagkatapos sa root folder ng repo na ito, i-type ang docsify serve
. Ang website ay magsisilbi sa port 3000 sa iyong localhost: localhost:3000
.
PDFs
Hanapin ang PDF ng kurikulum na may mga link dito.
🎒 Iba Pang Kurso
Ang aming team ay gumagawa ng iba pang mga kurso! Tingnan:
- Edge AI for Beginners
- AI Agents for Beginners
- 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
Pagkuha ng Tulong
Kung ikaw ay nahihirapan o may mga tanong tungkol sa paggawa ng AI apps, sumali sa:
Kung mayroon kang feedback sa produkto o mga error habang gumagawa, bisitahin:
Paunawa:
Ang dokumentong ito ay isinalin gamit ang AI translation service na Co-op Translator. Bagama't sinisikap naming maging tumpak, pakatandaan na ang mga awtomatikong pagsasalin ay maaaring maglaman ng mga pagkakamali o hindi pagkakatugma. Ang orihinal na dokumento sa orihinal nitong wika ang dapat ituring na opisyal na sanggunian. Para sa mahalagang impormasyon, inirerekomenda ang propesyonal na pagsasalin ng tao. Hindi kami mananagot sa anumang hindi pagkakaunawaan o maling interpretasyon na dulot ng paggamit ng pagsasaling ito.