ML-For-Beginners/translations/zh-HK

🌐 多語言支援

透過 GitHub Action 支援（自動化及隨時保持最新）

阿拉伯語 | 孟加拉語 | 保加利亞語 | 緬甸語 | 中文（簡體） | 中文（繁體，香港） | 中文（繁體，澳門） | 中文（繁體，台灣） | 克羅地亞語 | 捷克語 | 丹麥語 | 荷蘭語 | 愛沙尼亞語 | 芬蘭語 | 法語 | 德語 | 希臘語 | 希伯來語 | 印地語 | 匈牙利語 | 印尼語 | 義大利語 | 日語 | 卡納達語 | 高棉語 | 韓語 | 立陶宛語 | 馬來語 | 馬拉雅拉姆語 | 馬拉地語 | 尼泊爾語 | 奈及利亞洋泾浜語 | 挪威語 | 波斯語 (法爾西語) | 波蘭語 | 葡萄牙語 (巴西) | 葡萄牙語 (葡萄牙) | 旁遮普語 (古爾穆奇文) | 羅馬尼亞語 | 俄語 | 塞爾維亞語 (西里爾字母) | 斯洛伐克語 | 斯洛維尼亞語 | 西班牙語 | 斯瓦希里語 | 瑞典語 | 他加祿語 (菲律賓語) | 泰米爾語 | 泰盧固語 | 泰語 | 土耳其語 | 烏克蘭語 | 烏爾都語 | 越南語

偏好本地克隆？

此儲存庫包含 50 多種語言翻譯，會大幅增加下載大小。若要無翻譯版本克隆，請使用稀疏簽出：

Bash / macOS / Linux:

git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git
cd ML-For-Beginners
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'

CMD（Windows）：

git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git
cd ML-For-Beginners
git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"

這讓你以更快的速度取得完成課程所需的所有內容。

加入我們的社區

我們有一個持續進行中的 Discord AI 學習系列，詳情及加入請至 AI 學習系列，活動時間為 2025 年 9 月 18 日至 30 日。你將會學習使用 GitHub Copilot 進行資料科學的提示與技巧。

初學者機器學習課程

🌍 藉由探索世界各地文化，一同環遊機器學習的世界 🌍

微軟的 Cloud Advocates 很高興能提供一套為期 12 週、共 26 章課程，主題為 機器學習。本課程主要介紹所謂的 經典機器學習，主要使用 Scikit-learn 函式庫，並避免涵蓋深度學習部份；深度學習主題可參考我們的 AI 初學者課程。你也可以搭配我們的 資料科學初學者課程。

跟我們一起環遊世界，將這些經典機器學習技術應用到世界各地的資料。每個課程包含課前與課後小測驗、完成課程的文字說明、解答、作業等。我們以專案為導向的教學法，讓你在實作中學習，是幫助新技能「牢記」的有效方法。

✍️ 衷心感謝所有作者 Jen Looper、Stephen Howell、Francesca Lazzeri、Tomomi Imura、Cassie Breviu、Dmitry Soshnikov、Chris Noring、Anirban Mukherjee、Ornella Altunyan、Ruth Yakubu 和 Amy Boyd

🎨 同時感謝插畫家 Tomomi Imura、Dasani Madipalli、Jen Looper

🙏 特別感謝 🙏 微軟學生大使作者、審稿及內容貢獻者，尤其是 Rishit Dagli、Muhammad Sakib Khan Inan、Rohan Raj、Alexandru Petrescu、Abhishek Jaiswal、Nawrin Tabassum、Ioan Samuila 及 Snigdha Agarwal

🤩 額外感謝微軟學生大使 Eric Wanjau、Jasleen Sondhi 和 Vidushi Gupta 所提供的 R 課程內容！

開始使用

依照以下步驟操作：

1. Fork 儲存庫：點擊本頁右上角的「Fork」按鈕。
2. Clone 儲存庫： git clone https://github.com/microsoft/ML-For-Beginners.git

查看本課程所有額外資源，請參考我們的 Microsoft Learn 集合

🔧 需要協助？ 請查閱 故障排除指南，了解安裝、設定及執行課程時的常見問題解決方案。

學生們，要使用這套課程，請先 fork 整個倉庫到你自己的 GitHub 帳號，再自行或與小組完成練習：

• 先完成課前小測驗。
• 閱讀課程內容並完成活動，每遇知識檢核時暫停思考。
• 嘗試依課程理解自行完成專案，而不是僅使用解答程式碼；當然各專案課程中 /solution 資料夾會有程式碼可參考。
• 完成課後小測驗。
• 挑戰任務。
• 完成作業。
• 授課組別完成後，拜訪 討論區，藉由填寫對應的 PAT 評量表「大聲學習」。PAT 是進度評量工具，是你填寫來促進學習的評量表，你也可以對其他人的 PAT 進行回應，大家共同進步。

進階學習，我們推薦以下 Microsoft Learn 模組與學習路徑。

老師們，我們提供了 一些建議 供您作為此課程的教學參考。

---

影片導覽

部分課程有短片形式的教學影片，可在課程中內嵌觀看，或至 Microsoft Developer YouTube 頻道的 ML for Beginners 播放清單 查看，點擊下方圖片即可。

---

團隊介紹

GIF 製作者 Mohit Jaisal

🎥 點擊上方圖片觀看有關專案及其成員的影片！

---

教學法

我們在設計本課程時，選擇了兩項教學原則：確保課程是實作導向的 專案教學法，以及包含 頻繁的小測驗。此外，課程還有一個統一的 主題 以增強整體性。

利用專案 確保內容和實作相結合，能讓學生參與度更高，且加強概念記憶。課前的低壓小測驗幫助學生對主題設定學習意圖，課後第二次測驗則確保知識的鞏固。此課程設計靈活有趣，可完整修習或選擇部分學習。專案由淺入深，在 12 周週期結束時逐漸複雜。課程末還包含關於機器學習真實世界應用的後記，可作為額外加分或討論基礎。

請參閱我們的 行為準則、貢獻指南、翻譯 以及 故障排除 指南。我們歡迎您的建設性回饋！

每個課程包含

• 選擇性手繪筆記
• 選擇性補充影片
• 影片導覽（部分課程）
• 課前暖身小測驗
• 書面課程說明
• 專案課程提供逐步指引教你如何建置專案
• 知識檢核
• 挑戰任務
• 補充閱讀資料
• 作業
• 課後小測驗

關於語言的說明：這些課程主要使用 Python 撰寫，但也有許多課程提供 R 版本。若要完成 R 課程，請前往 /solution 資料夾並尋找 R 課程。它們包含有 .rmd 副檔名，代表 R Markdown 檔案，可簡單定義為將 code chunks （R 或其他語言程式碼區塊）和 YAML header（指導如何格式化輸出例如 PDF）嵌入於 Markdown 文件 中。因此，它作為資料科學的優良撰寫框架，讓你能結合程式碼、程式輸出及筆記，並以 Markdown 編寫。此外，R Markdown 檔案可以輸出為 PDF、HTML 或 Word 等格式。

關於小測驗的說明：所有小測驗皆包含於 Quiz App folder 中，共有 52 個小測驗，每個包含三個問題。這些小測驗會自課程中連結，但 Quiz App 也能在本機端執行；請依照 quiz-app 資料夾中的說明，在本機架設或部署至 Azure。

課程編號	主題	課程群組	學習目標	連結課程	作者
01	機器學習入門	Introduction	學習機器學習背後的基本概念	Lesson	Muhammad
02	機器學習的歷史	Introduction	認識此領域的歷史背景	Lesson	Jen 與 Amy
03	公平性與機器學習	Introduction	建立與應用機器學習模型時，學生應考慮的重要公平性哲學議題	Lesson	Tomomi
04	機器學習技術	Introduction	機器學習研究者用來建立模型的技術	Lesson	Chris 與 Jen
05	迴歸入門	Regression	使用 Python 與 Scikit-learn 入門迴歸模型	Python • R	Jen • Eric Wanjau
06	北美南瓜價格 🎃	Regression	可視化與清理資料，為機器學習做準備	Python • R	Jen • Eric Wanjau
07	北美南瓜價格 🎃	Regression	建立線性與多項式迴歸模型	Python • R	Jen 和 Dmitry • Eric Wanjau
08	北美南瓜價格 🎃	Regression	建立邏輯迴歸模型	Python • R	Jen • Eric Wanjau
09	網頁應用 🔌	Web App	建立一個網頁應用，使用你訓練好的模型	Python	Jen
10	分類入門	Classification	清理、準備並可視化資料；分類介紹	Python • R	Jen 和 Cassie • Eric Wanjau
11	美味的亞洲與印度料理 🍜	Classification	分類器介紹	Python • R	Jen 和 Cassie • Eric Wanjau
12	美味的亞洲與印度料理 🍜	Classification	更多分類器	Python • R	Jen 和 Cassie • Eric Wanjau
13	美味的亞洲與印度料理 🍜	Classification	使用你的模型建立推薦網頁應用	Python	Jen
14	叢集入門	Clustering	清理、準備並可視化資料；叢集介紹	Python • R	Jen • Eric Wanjau
15	探索奈及利亞音樂喜好 🎧	Clustering	探索 K-Means 叢集演算法	Python • R	Jen • Eric Wanjau
16	自然語言處理入門 ☕️	Natural language processing	透過建立簡易機器人學習 NLP 基礎	Python	Stephen
17	常見 NLP 任務 ☕️	Natural language processing	深入瞭解 NLP，掌握處理語言結構時常見的重要任務	Python	Stephen
18	翻譯與情緒分析 ♥️	Natural language processing	使用 Jane Austen 進行情緒分析與翻譯	Python	Stephen
19	歐洲浪漫旅館 ♥️	Natural language processing	旅館評論情緒分析 1	Python	Stephen
20	歐洲浪漫旅館 ♥️	Natural language processing	旅館評論情緒分析 2	Python	Stephen
21	時間序列預測入門	Time series	時間序列預測介紹	Python	Francesca
22	⚡️ 全球用電量 ⚡️ - 使用 ARIMA 的時間序列預測	Time series	使用 ARIMA 進行時間序列預測	Python	Francesca
23	⚡️ 全球用電量 ⚡️ - 使用 SVR 的時間序列預測	Time series	使用支持向量回歸（SVR）進行時間序列預測	Python	Anirban
24	強化學習入門	Reinforcement learning	使用 Q-Learning 介紹強化學習	Python	Dmitry
25	幫助 Peter 避開狼！🐺	Reinforcement learning	强化学习 Gym	Python	Dmitry
後記	現實世界的機器學習情境與應用	ML in the Wild	傳統機器學習在現實世界中的有趣且富啟發性的應用	Lesson	團隊
後記	使用 RAI 儀表板進行機器學習模型除錯	ML in the Wild	使用 Responsible AI 儀表板元件來進行機器學習模型除錯	Lesson	Ruth Yakubu

在我們的 Microsoft Learn 集合中查找本課程的所有額外資源

離線使用

您可以使用 Docsify 離線瀏覽本文件。將此 repo 分叉，並在本機安裝 Docsify，接著在此 repo 根目錄中輸入 docsify serve。網站將在本機的 3000 埠提供服務：localhost:3000。

PDF 檔案

可在 此處 下載包含連結的課程大綱 PDF。

🎒 其他課程

我們團隊還製作其他課程！敬請參考：

LangChain

Azure / Edge / MCP / Agents

---

生成式 AI 系列

---

核心學習

---

Copilot 系列

尋求協助

如果你遇到困難或對構建 AI 應用程式有任何疑問。加入其他學習者及經驗豐富的開發者，一同參與 MCP 的討論。這是一個支援性的社群，歡迎提問並自由分享知識。

如果你有產品反饋或在開發時遇到錯誤，請造訪：

額外學習提示

• 每課後檢閱筆記本，以加深理解。
• 練習自行實作算法。
• 使用已學概念探索真實世界數據集。

---

免責聲明：
本文件係使用 AI 翻譯服務 Co-op Translator 翻譯而成。雖然我們致力於確保準確性，但請注意自動翻譯可能存在錯誤或不準確之處。原始文件之母語版本應視為權威資料。對於重要資訊，建議採用專業人工翻譯。我們不對因使用本翻譯而引致的任何誤解或誤釋負責。