ML-For-Beginners/translations/ja

🌐 多言語対応

GitHub Action によるサポート（自動化され、常に最新）

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)

コミュニティに参加しよう

現在、DiscordでAI学習シリーズを開催中です。詳細を確認し、2025年9月18日から30日までのLearn with AI Seriesに参加してください。GitHub Copilotをデータサイエンスに活用するためのヒントやコツを学べます。

初心者のための機械学習 - カリキュラム

🌍 世界中を旅しながら、世界の文化を通じて機械学習を探求しましょう 🌍

Microsoftのクラウドアドボケイトチームは、機械学習に関する12週間、26レッスンのカリキュラムを提供します。このカリキュラムでは、主にScikit-learnライブラリを使用し、ディープラーニングを避けながら、いわゆるクラシックな機械学習について学びます。ディープラーニングについては、AI for Beginners' カリキュラムで取り上げています。このレッスンを'Data Science for Beginners' カリキュラムと組み合わせて学ぶこともできます。

私たちと一緒に世界中を旅しながら、これらのクラシックな技術を世界中のデータに適用していきましょう。各レッスンには、事前および事後のクイズ、レッスンを完了するための手順、解答、課題などが含まれています。プロジェクトベースの教育法により、学びながら構築することで、新しいスキルを定着させることができます。

✍️ 著者の皆さんに心から感謝します Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu, Amy Boyd

🎨 イラストレーターの皆さんにも感謝します Tomomi Imura, Dasani Madipalli, Jen Looper

🙏 特別な感謝 🙏 をMicrosoft Student Ambassadorの著者、レビュアー、コンテンツ貢献者の皆さんに 特にRishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, Snigdha Agarwal

🤩 Rレッスンに貢献してくれたMicrosoft Student AmbassadorsのEric Wanjau, Jasleen Sondhi, Vidushi Guptaにも特別な感謝を！

始め方

以下の手順に従ってください：

1. リポジトリをフォークする: このページの右上にある「Fork」ボタンをクリックします。
2. リポジトリをクローンする: git clone https://github.com/microsoft/ML-For-Beginners.git

このコースの追加リソースはMicrosoft Learnコレクションで見つけることができます

学生の皆さん、このカリキュラムを使用するには、リポジトリ全体を自分のGitHubアカウントにフォークし、個人またはグループで演習を完了してください：

• レクチャー前のクイズから始めましょう。
• レクチャーを読み、各知識チェックで一時停止して振り返りながら活動を完了してください。
• レッスンを理解しながらプロジェクトを作成してみてください。ただし、解答コードは各プロジェクト指向レッスンの/solutionフォルダーにあります。
• レクチャー後のクイズを受けてください。
• チャレンジを完了してください。
• 課題を完了してください。
• レッスングループを完了した後、Discussion Boardを訪れ、適切なPATルーブリックを記入して「声に出して学ぶ」ことを実践してください。PAT（進捗評価ツール）は、学習を深めるために記入するルーブリックです。他のPATに反応することで、一緒に学ぶことができます。

さらなる学習のために、これらのMicrosoft Learnモジュールと学習パスをお勧めします。

教師の皆さん、このカリキュラムの使用方法についていくつかの提案を含めています。

---

ビデオウォークスルー

一部のレッスンは短い形式のビデオとして利用可能です。これらはレッスン内でインラインで見つけることができるほか、Microsoft Developer YouTubeチャンネルのML for Beginnersプレイリストで確認できます。以下の画像をクリックしてください。

---

チーム紹介

Gif作成者 Mohit Jaisal

🎥 上の画像をクリックして、このプロジェクトと作成者についてのビデオをご覧ください！

---

教育方針

このカリキュラムを構築する際、2つの教育方針を採用しました：プロジェクトベースであることと、頻繁なクイズを含むことです。さらに、このカリキュラムには一貫性を持たせるための共通のテーマがあります。

プロジェクトに沿った内容を確保することで、学生にとってより魅力的なプロセスとなり、概念の定着が促進されます。また、授業前の低リスクなクイズは、学生がトピックを学ぶ意図を設定し、授業後のクイズはさらに定着を確実にします。このカリキュラムは柔軟で楽しいものとして設計されており、全体または部分的に受講することができます。プロジェクトは小さなものから始まり、12週間のサイクルの終わりには徐々に複雑になります。このカリキュラムには、MLの実世界での応用に関する後書きも含まれており、追加のクレジットや議論の基礎として使用できます。

行動規範、貢献方法、翻訳ガイドラインをご覧ください。建設的なフィードバックを歓迎します！

各レッスンには以下が含まれます

• 任意のスケッチノート
• 任意の補足ビデオ
• ビデオウォークスルー（一部のレッスンのみ）
• レクチャー前のウォームアップクイズ
• 書面によるレッスン
• プロジェクトベースのレッスンの場合、プロジェクトを構築するためのステップバイステップガイド
• 知識チェック
• チャレンジ
• 補足読書
• 課題
• レクチャー後のクイズ

言語についての注意: これらのレッスンは主にPythonで書かれていますが、多くはRでも利用可能です。Rレッスンを完了するには、/solutionフォルダーに移動し、Rレッスンを探してください。それらには.rmd拡張子が含まれており、これはR Markdownファイルを表します。R Markdownは、コードチャンク（Rや他の言語のコード）とYAMLヘッダー（PDFなどの出力形式をガイドする）をMarkdownドキュメントに埋め込んだものとして簡単に定義できます。このため、コード、出力、考えをMarkdownに書き込むことで、データサイエンスのための優れた著作フレームワークとして機能します。さらに、R MarkdownドキュメントはPDF、HTML、Wordなどの出力形式にレンダリングできます。

クイズについての注意: すべてのクイズはQuiz Appフォルダーに含まれており、合計52個のクイズが各3問ずつあります。これらはレッスン内からリンクされていますが、クイズアプリはローカルで実行することもできます。quiz-appフォルダーの指示に従ってローカルホストまたはAzureにデプロイしてください。

レッスン番号	トピック	レッスングループ	学習目標	リンクされたレッスン	著者
01	機械学習の紹介	Introduction	機械学習の基本概念を学ぶ	Lesson	Muhammad
02	機械学習の歴史	Introduction	この分野の歴史を学ぶ	Lesson	Jen and Amy
03	公平性と機械学習	Introduction	学生がMLモデルを構築・適用する際に考慮すべき公平性に関する重要な哲学的問題とは？	Lesson	Tomomi
04	機械学習の技術	Introduction	ML研究者がMLモデルを構築するために使用する技術とは？	Lesson	Chris and Jen
05	回帰の入門	Regression	PythonとScikit-learnを使った回帰モデルの基礎を学ぶ	Python • R	Jen • Eric Wanjau
06	北米のカボチャ価格 🎃	Regression	MLの準備としてデータを可視化し、クリーニングする	Python • R	Jen • Eric Wanjau
07	北米のカボチャ価格 🎃	Regression	線形回帰モデルと多項式回帰モデルを構築する	Python • R	Jen and Dmitry • Eric Wanjau
08	北米のカボチャ価格 🎃	Regression	ロジスティック回帰モデルを構築する	Python • R	Jen • Eric Wanjau
09	Webアプリ 🔌	Web App	訓練済みモデルを使用するWebアプリを構築する	Python	Jen
10	分類の入門	Classification	データをクリーニング、準備、可視化し、分類の基礎を学ぶ	Python • R	Jen and Cassie • Eric Wanjau
11	美味しいアジアとインド料理 🍜	Classification	分類器の基礎を学ぶ	Python • R	Jen and Cassie • Eric Wanjau
12	美味しいアジアとインド料理 🍜	Classification	より多くの分類器について学ぶ	Python • R	Jen and Cassie • Eric Wanjau
13	美味しいアジアとインド料理 🍜	Classification	モデルを使用して推薦Webアプリを構築する	Python	Jen
14	クラスタリングの入門	Clustering	データをクリーニング、準備、可視化し、クラスタリングの基礎を学ぶ	Python • R	Jen • Eric Wanjau
15	ナイジェリアの音楽嗜好を探る 🎧	Clustering	K-Meansクラスタリング手法を探る	Python • R	Jen • Eric Wanjau
16	自然言語処理の入門 ☕️	Natural language processing	簡単なボットを構築しながらNLPの基礎を学ぶ	Python	Stephen
17	一般的なNLPタスク ☕️	Natural language processing	言語構造を扱う際に必要な一般的なタスクを理解し、NLPの知識を深める	Python	Stephen
18	翻訳と感情分析 ♥️	Natural language processing	ジェーン・オースティンの作品を使った翻訳と感情分析	Python	Stephen
19	ヨーロッパのロマンティックなホテル ♥️	Natural language processing	ホテルレビューを使った感情分析1	Python	Stephen
20	ヨーロッパのロマンティックなホテル ♥️	Natural language processing	ホテルレビューを使った感情分析2	Python	Stephen
21	時系列予測の入門	Time series	時系列予測の基礎を学ぶ	Python	Francesca
22	⚡️ 世界の電力使用 ⚡️ - ARIMAによる時系列予測	Time series	ARIMAを使った時系列予測	Python	Francesca
23	⚡️ 世界の電力使用 ⚡️ - SVRによる時系列予測	Time series	サポートベクター回帰を使った時系列予測	Python	Anirban
24	強化学習の入門	Reinforcement learning	Q-Learningを使った強化学習の基礎を学ぶ	Python	Dmitry
25	ピーターをオオカミから守ろう！🐺	Reinforcement learning	強化学習Gym	Python	Dmitry
Postscript	実世界のMLシナリオと応用	ML in the Wild	古典的なMLの興味深く示唆に富む実世界の応用	Lesson	Team
Postscript	RAIダッシュボードを使ったMLモデルのデバッグ	ML in the Wild	責任あるAIダッシュボードコンポーネントを使用した機械学習モデルのデバッグ	Lesson	Ruth Yakubu

このコースの追加リソースはMicrosoft Learnコレクションで見つけることができます

オフラインアクセス

このドキュメントをオフラインで実行するには、Docsifyを使用します。このリポジトリをフォークし、ローカルマシンにDocsifyをインストールしてから、このリポジトリのルートフォルダでdocsify serveと入力してください。ウェブサイトはローカルホストのポート3000で提供されます: localhost:3000.

PDF

リンク付きのカリキュラムのPDFはこちらで見つけることができます。

🎒 その他のコース

私たちのチームは他にもコースを提供しています！以下をチェックしてください:

• 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

---