You can not select more than 25 topics Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
ML-For-Beginners/translations/tw/README.md

24 KiB

GitHub license
GitHub contributors
GitHub issues
GitHub pull-requests
PRs Welcome

GitHub watchers
GitHub forks
GitHub stars

🌐 多語言支援

透過 GitHub Action 支援(自動化且保持最新)

法文 | 西班牙文 | 德文 | 俄文 | 阿拉伯文 | 波斯文(法爾西) | 烏爾都文 | 中文(簡體) | 中文(繁體,澳門) | 中文(繁體,香港) | 中文(繁體,台灣) | 日文 | 韓文 | 印地文 | 孟加拉文 | 馬拉地文 | 尼泊爾文 | 旁遮普文(古木基文) | 葡萄牙文(葡萄牙) | 葡萄牙文(巴西) | 義大利文 | 波蘭文 | 土耳其文 | 希臘文 | 泰文 | 瑞典文 | 丹麥文 | 挪威文 | 芬蘭文 | 荷蘭文 | 希伯來文 | 越南文 | 印尼文 | 馬來文 | 塔加洛文(菲律賓) | 斯瓦希里文 | 匈牙利文 | 捷克文 | 斯洛伐克文 | 羅馬尼亞文 | 保加利亞文 | 塞爾維亞文(西里爾文) | 克羅埃西亞文 | 斯洛文尼亞文 | 烏克蘭文 | 緬甸文(緬甸)

加入我們的社群

Azure AI Discord

我們正在進行一個 Discord 的 AI 學習系列,了解更多並加入我們的 Learn with AI Series,活動時間為 2025 年 9 月 18 日至 30 日。您將學到使用 GitHub Copilot 進行數據科學的技巧和秘訣。

Learn with AI series

機器學習入門 - 課程

🌍 隨著我們探索世界文化,環遊世界學習機器學習 🌍

Microsoft 的雲端倡導者很高興提供一個為期 12 週、共 26 節課的課程,內容全是關於 機器學習。在這個課程中,您將學習有時被稱為 經典機器學習 的內容,主要使用 Scikit-learn 作為庫,並避免深度學習,深度學習的內容已涵蓋在我們的 AI 入門課程 中。此外,您也可以搭配我們的 '數據科學入門課程' 一起學習!

跟隨我們環遊世界,將這些經典技術應用於來自世界各地的數據。每節課都包含課前和課後測驗、完成課程的書面指導、解決方案、作業等。我們的專案式教學法讓您在建構中學習,這是一種能讓新技能更牢固的有效方式。

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

🎨 同樣感謝我們的插畫家 Tomomi Imura、Dasani Madipalli 和 Jen Looper

🙏 特別感謝 🙏 我們的 Microsoft 學生大使作者、審稿人和內容貢獻者,尤其是 Rishit Dagli、Muhammad Sakib Khan Inan、Rohan Raj、Alexandru Petrescu、Abhishek Jaiswal、Nawrin Tabassum、Ioan Samuila 和 Snigdha Agarwal

🤩 額外感謝 Microsoft 學生大使 Eric Wanjau、Jasleen Sondhi 和 Vidushi Gupta 為我們的 R 課程提供支持!

開始使用

請按照以下步驟:

  1. Fork 此儲存庫:點擊此頁面右上角的 "Fork" 按鈕。
  2. Clone 此儲存庫git clone https://github.com/microsoft/ML-For-Beginners.git

在 Microsoft Learn 集合中找到本課程的所有額外資源

學生,要使用此課程,請將整個儲存庫 fork 到您的 GitHub 帳戶,並自行或與小組一起完成練習:

  • 從課前測驗開始。
  • 閱讀課程並完成活動,在每次知識檢查時停下來反思。
  • 嘗試通過理解課程來創建專案,而不是直接運行解決方案代碼;不過,解決方案代碼可在每個專案導向課程的 /solution 資料夾中找到。
  • 完成課後測驗。
  • 完成挑戰。
  • 完成作業。
  • 完成一組課程後,訪問 討論板,並通過填寫適當的 PAT 評估表來 "大聲學習"。PAT 是一種進度評估工具,您可以填寫該表來進一步學習。您也可以對其他 PAT 進行回應,讓我們一起學習。

為了進一步學習,我們建議您參考這些 Microsoft Learn 模組和學習路徑。

教師,我們已 提供一些建議 供您使用此課程。


影片導覽

部分課程提供短片形式的影片。您可以在課程中找到這些影片,或在 Microsoft Developer YouTube 頻道上的 ML 入門播放清單 中找到,點擊下方圖片即可。

ML for beginners banner


認識團隊

Promo video

Gif 作者 Mohit Jaisal

🎥 點擊上方圖片觀看關於此專案及創作者的影片!


教學法

在設計此課程時,我們選擇了兩個教學原則:確保它是 專案導向 且包含 頻繁測驗。此外,此課程還有一個共同的 主題,使其更具一致性。

透過確保內容與專案一致,學習過程變得更具吸引力,並能增強概念的記憶。此外,課前的低壓測驗能讓學生專注於學習主題,而課後的第二次測驗則能進一步加強記憶。此課程設計靈活有趣,可整體或部分學習。專案從小型開始,並在 12 週的循環結束時逐漸變得更複雜。此課程還包括關於機器學習的真實應用的附錄,可用作額外學分或討論的基礎。

查看我們的 行為準則貢獻指南翻譯指南。我們歡迎您的建設性反饋!

每節課包含

  • 可選的手繪筆記
  • 可選的補充影片
  • 影片導覽(僅部分課程)
  • 課前暖身測驗
  • 書面課程
  • 專案導向課程的逐步指南
  • 知識檢查
  • 挑戰
  • 補充閱讀
  • 作業
  • 課後測驗

關於語言的說明:這些課程主要使用 Python 編寫,但許多課程也提供 R。要完成 R 課程,請前往 /solution 資料夾並尋找 R 課程。這些課程包含 .rmd 擴展名,代表 R Markdown 文件,可簡單定義為在 Markdown 文件 中嵌入 代碼塊R 或其他語言)和 YAML 標頭(指導如何格式化輸出,例如 PDF。因此它是一個出色的數據科學創作框架因為它允許您將代碼、輸出和想法結合在一起並以 Markdown 的形式記錄下來。此外R Markdown 文件可以渲染為 PDF、HTML 或 Word 等輸出格式。

關於測驗的說明:所有測驗都包含在 Quiz App 資料夾 中,共有 52 個測驗,每個測驗包含三個問題。測驗在課程中有連結,但測驗應用程式可以在本地運行;請按照 quiz-app 資料夾中的指示在本地或部署到 Azure。

課程編號 主題 課程分組 學習目標 課程連結 作者
01 機器學習簡介 簡介 學習機器學習的基本概念 課程 Muhammad
02 機器學習的歷史 簡介 學習這個領域的歷史背景 課程 Jen 和 Amy
03 公平性與機器學習 Introduction 學生在建立和應用機器學習模型時,應考慮哪些重要的哲學問題與公平性相關? Lesson Tomomi
04 機器學習技術 Introduction 機器學習研究人員使用哪些技術來建立機器學習模型? Lesson Chris 和 Jen
05 回歸介紹 Regression 使用 Python 和 Scikit-learn 開始建立回歸模型 PythonR Jen • Eric Wanjau
06 北美南瓜價格 🎃 Regression 視覺化並清理數據以準備進行機器學習 PythonR Jen • Eric Wanjau
07 北美南瓜價格 🎃 Regression 建立線性和多項式回歸模型 PythonR Jen 和 Dmitry • Eric Wanjau
08 北美南瓜價格 🎃 Regression 建立邏輯回歸模型 PythonR Jen • Eric Wanjau
09 網頁應用程式 🔌 Web App 建立一個網頁應用程式以使用您訓練的模型 Python Jen
10 分類介紹 Classification 清理、準備並視覺化您的數據;分類介紹 PythonR Jen 和 Cassie • Eric Wanjau
11 美味的亞洲和印度料理 🍜 Classification 分類器介紹 PythonR Jen 和 Cassie • Eric Wanjau
12 美味的亞洲和印度料理 🍜 Classification 更多分類器 PythonR Jen 和 Cassie • Eric Wanjau
13 美味的亞洲和印度料理 🍜 Classification 使用您的模型建立推薦系統網頁應用程式 Python Jen
14 分群介紹 Clustering 清理、準備並視覺化您的數據;分群介紹 PythonR Jen • Eric Wanjau
15 探索尼日利亞的音樂喜好 🎧 Clustering 探索 K-Means 分群方法 PythonR Jen • Eric Wanjau
16 自然語言處理介紹 Natural language processing 通過建立簡單的機器人學習 NLP 的基礎知識 Python Stephen
17 常見 NLP 任務 Natural language processing 深入了解 NLP理解處理語言結構時所需的常見任務 Python Stephen
18 翻譯與情感分析 ♥️ Natural language processing 使用 Jane Austen 的作品進行翻譯與情感分析 Python Stephen
19 歐洲浪漫酒店 ♥️ Natural language processing 使用酒店評論進行情感分析 1 Python Stephen
20 歐洲浪漫酒店 ♥️ Natural language processing 使用酒店評論進行情感分析 2 Python Stephen
21 時間序列預測介紹 Time series 時間序列預測介紹 Python Francesca
22 世界電力使用 - 使用 ARIMA 進行時間序列預測 Time series 使用 ARIMA 進行時間序列預測 Python Francesca
23 世界電力使用 - 使用 SVR 進行時間序列預測 Time series 使用支持向量回歸進行時間序列預測 Python Anirban
24 強化學習介紹 Reinforcement learning 使用 Q-Learning 進行強化學習介紹 Python Dmitry
25 幫助 Peter 避開狼! 🐺 Reinforcement learning 強化學習 Gym Python Dmitry
Postscript 真實世界的機器學習場景與應用 ML in the Wild 經典機器學習的有趣且啟發性的真實世界應用 Lesson Team
Postscript 使用 RAI 儀表板進行機器學習模型調試 ML in the Wild 使用負責任的 AI 儀表板組件進行機器學習模型調試 Lesson Ruth Yakubu

在我們的 Microsoft Learn 集合中找到本課程的所有額外資源

離線訪問

您可以使用 Docsify 離線運行此文檔。Fork 此 repo並在您的本地機器上 安裝 Docsify,然後在此 repo 的根目錄中輸入 docsify serve。網站將在您的本地主機的 3000 端口上提供服務:localhost:3000

PDFs

這裡 找到包含鏈接的課程 PDF。

🎒 其他課程

我們的團隊還製作了其他課程!查看以下內容: