leestott
ffd4047095
|
11 months ago | |
|---|---|---|
| .. | ||
| 1-Introduction | 11 months ago | |
| 2-Regression | 11 months ago | |
| 3-Web-App | 11 months ago | |
| 4-Classification | 11 months ago | |
| 5-Clustering | 11 months ago | |
| 6-NLP | 11 months ago | |
| 7-TimeSeries | 11 months ago | |
| 8-Reinforcement | 11 months ago | |
| 9-Real-World | 11 months ago | |
| docs | 11 months ago | |
| quiz-app | 11 months ago | |
| sketchnotes | 11 months ago | |
| CODE_OF_CONDUCT.md | 11 months ago | |
| CONTRIBUTING.md | 11 months ago | |
| PyTorch_Fundamentals.ipynb | 11 months ago | |
| README.md | 11 months ago | |
| SECURITY.md | 11 months ago | |
| SUPPORT.md | 11 months ago | |
| for-teachers.md | 11 months ago | |
README.md
🌐 Підтримка багатомовності
Підтримується через GitHub Action (автоматично та завжди актуально)
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)
Приєднуйтесь до спільноти
Машинне навчання для початківців - навчальна програма
🌍 Подорожуйте світом, досліджуючи машинне навчання через культури світу 🌍
Команда Cloud Advocates у Microsoft рада запропонувати 12-тижневу навчальну програму з 26 уроків, присвячену машинному навчанню. У цій програмі ви дізнаєтеся про те, що іноді називають класичним машинним навчанням, використовуючи переважно бібліотеку Scikit-learn і уникаючи глибокого навчання, яке охоплюється в нашій навчальній програмі "AI для початківців". Поєднуйте ці уроки з нашою навчальною програмою "Data Science для початківців", також!
Подорожуйте з нами світом, застосовуючи ці класичні техніки до даних з різних куточків світу. Кожен урок включає тести до і після уроку, письмові інструкції для виконання завдання, рішення, завдання та багато іншого. Наш підхід, заснований на проектах, дозволяє навчатися, створюючи, що є перевіреним способом закріплення нових навичок.
✍️ Щира подяка нашим авторам Джен Лупер, Стівену Ховеллу, Франчесці Лаццері, Томомі Імурі, Кассі Бревіу, Дмитру Сошникову, Крісу Норінгу, Анірбану Мукерджі, Орнеллі Алтунян, Рут Якобу та Емі Бойд
🎨 Дякуємо також нашим ілюстраторам Томомі Імурі, Дасані Мадіпаллі та Джен Лупер
🙏 Особлива подяка 🙏 нашим авторам, рецензентам та контриб'юторам з числа студентів-амбасадорів Microsoft, зокрема Рішиту Даглі, Мухаммаду Сакібу Хану Інану, Рохану Раджу, Александру Петреску, Абхішеку Джайсвалу, Наврін Табассум, Іоану Самуїлі та Снігдхі Агарвал
🤩 Окрема вдячність студентам-амбасадорам Microsoft Еріку Ванджау, Джаслін Сонді та Відуші Гупті за уроки з R!
Початок роботи
Виконайте наступні кроки:
- Зробіть форк репозиторію: Натисніть кнопку "Fork" у верхньому правому куті цієї сторінки.
- Клонуйте репозиторій:
git clone https://github.com/microsoft/ML-For-Beginners.git
знайдіть усі додаткові ресурси для цього курсу в нашій колекції Microsoft Learn
Студенти, щоб використовувати цю навчальну програму, зробіть форк усього репозиторію у свій власний обліковий запис GitHub і виконуйте вправи самостійно або в групі:
- Почніть із тесту перед лекцією.
- Прочитайте лекцію та виконайте завдання, зупиняючись і розмірковуючи на кожному етапі перевірки знань.
- Спробуйте створити проекти, розуміючи уроки, а не просто запускаючи код рішення; однак цей код доступний у папках
/solutionу кожному проектно-орієнтованому уроці. - Пройдіть тест після лекції.
- Виконайте завдання.
- Виконайте домашнє завдання.
- Після завершення групи уроків відвідайте Дошку обговорень і "навчайтеся вголос", заповнюючи відповідний рубрикатор PAT. PAT — це інструмент оцінки прогресу, який ви заповнюєте для подальшого навчання. Ви також можете реагувати на інші PAT, щоб ми могли навчатися разом.
Для подальшого навчання ми рекомендуємо пройти ці модулі та навчальні шляхи Microsoft Learn.
Викладачі, ми додали кілька пропозицій щодо використання цієї навчальної програми.
Відео-огляди
Деякі уроки доступні у вигляді коротких відео. Ви можете знайти їх у самих уроках або на плейлисті ML для початківців на YouTube-каналі Microsoft Developer, натиснувши на зображення нижче.
Знайомство з командою
Gif створено Мохітом Джайсалом
🎥 Натисніть на зображення вище, щоб переглянути відео про проєкт і людей, які його створили!
Педагогіка
Ми обрали два педагогічні принципи під час створення цієї навчальної програми: забезпечення її практичності через проектний підхід та включення частих тестів. Крім того, ця програма має спільну тему, яка надає їй цілісності.
Забезпечуючи відповідність контенту проектам, процес стає більш захоплюючим для студентів, а засвоєння концепцій буде посилено. Крім того, тест перед заняттям з низькими ставками налаштовує студента на вивчення теми, а другий тест після заняття забезпечує подальше закріплення знань. Ця навчальна програма була розроблена як гнучка та цікава і може бути використана повністю або частково. Проекти починаються з простих і стають дедалі складнішими до кінця 12-тижневого циклу. Ця програма також включає постскриптум про реальні застосування ML, який може бути використаний як додатковий матеріал або як основа для обговорення.
Знайдіть наш Кодекс поведінки, Рекомендації щодо внесення змін та Рекомендації щодо перекладу. Ми вітаємо ваші конструктивні відгуки!
Кожен урок включає
- необов'язковий скетчноут
- необов'язкове додаткове відео
- відео-огляд (лише для деяких уроків)
- тест перед лекцією
- письмовий урок
- для проектно-орієнтованих уроків, покрокові інструкції щодо створення проекту
- перевірки знань
- виклик
- додаткове читання
- домашнє завдання
- тест після лекції
Примітка про мови: Ці уроки переважно написані на Python, але багато з них також доступні на R. Щоб виконати урок на R, перейдіть до папки
/solutionі знайдіть уроки на R. Вони включають розширення .rmd, яке представляє R Markdown файл, що може бути просто визначений як вбудовуваннякодових блоків(на R або інших мовах) таYAML-заголовка(який визначає, як форматувати вихідні дані, такі як PDF) уMarkdown-документ. Таким чином, це служить зразковою авторською платформою для науки про дані, оскільки дозволяє комбінувати ваш код, його вихідні дані та ваші думки, записуючи їх у Markdown. Крім того, документи R Markdown можуть бути перетворені у вихідні формати, такі як PDF, HTML або Word.
Примітка про тести: Усі тести містяться в папці Quiz App, всього 52 тести по три питання кожен. Вони пов'язані з уроками, але додаток для тестів можна запустити локально; дотримуйтесь інструкцій у папці
quiz-app, щоб локально розмістити або розгорнути на Azure.
| Номер уроку | Тема | Групування уроків | Навчальні цілі | Пов'язаний урок | Автор |
|---|---|---|---|---|---|
| 01 | Вступ до машинного навчання | Вступ | Дізнайтеся основні концепції машинного навчання | Урок | Мухаммад |
| 02 | Історія машинного навчання | Вступ | Дізнайтеся історію, що лежить в основі цієї галузі | Урок | Джен та Емі |
| 03 | Справедливість у машинному навчанні | Вступ | Які важливі філософські питання щодо справедливості повинні враховувати студенти при створенні та застосуванні моделей ML? | Урок | Томомі |
| 04 | Техніки машинного навчання | Вступ | Які техніки використовують дослідники ML для створення моделей машинного навчання? | Урок | Кріс і Джен |
| 05 | Вступ до регресії | Регресія | Почніть роботу з Python і Scikit-learn для моделей регресії |
- [Python](2-Regression/1-Tools/README.md)
- [R](../../2-Regression/1-Tools/solution/R/lesson_1.html)
- Джен
- Ерік Ванджау
- [Python](2-Regression/2-Data/README.md)
- [R](../../2-Regression/2-Data/solution/R/lesson_2.html)
- Джен
- Ерік Ванджау
- [Python](2-Regression/3-Linear/README.md)
- [R](../../2-Regression/3-Linear/solution/R/lesson_3.html)
- Джен і Дмитро
- Ерік Ванджау
- [Python](2-Regression/4-Logistic/README.md)
- [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html)
- Джен
- Ерік Ванджау
- [Python](4-Classification/1-Introduction/README.md)
- [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) |
- Джен і Кессі
- Ерік Ванджау
- [Python](4-Classification/2-Classifiers-1/README.md)
- [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) |
- Джен і Кессі
- Ерік Ванджау
- [Python](4-Classification/3-Classifiers-2/README.md)
- [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) |
- Джен і Кессі
- Ерік Ванджау
- [Python](5-Clustering/1-Visualize/README.md)
- [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) |
- Джен
- Ерік Ванджау
- [Python](5-Clustering/2-K-Means/README.md)
- [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) |
- Джен
- Ерік Ванджау
знайдіть усі додаткові ресурси для цього курсу в нашій колекції Microsoft Learn
Офлайн-доступ
Ви можете запустити цю документацію офлайн, використовуючи Docsify. Форкніть цей репозиторій, встановіть Docsify на вашому локальному комп'ютері, а потім у кореневій папці цього репозиторію введіть
docsify serve. Вебсайт буде доступний на порту 3000 вашого localhost:localhost:3000.PDF-файли
Знайдіть PDF-версію навчальної програми з посиланнями тут.
🎒 Інші курси
Наша команда створює інші курси! Ознайомтеся з:
- Generative AI для початківців
- Generative AI для початківців .NET
- Generative AI з JavaScript
- Generative AI з Java
- AI для початківців
- Data Science для початківців
- ML для початківців
- Кібербезпека для початківців
- Веб-розробка для початківців
- IoT для початківців
- Розробка XR для початківців
- Опанування GitHub Copilot для парного програмування
- Опанування GitHub Copilot для розробників C#/.NET
- Виберіть свою пригоду з Copilot
Відмова від відповідальності:
Цей документ було перекладено за допомогою сервісу автоматичного перекладу Co-op Translator. Хоча ми прагнемо до точності, зверніть увагу, що автоматичні переклади можуть містити помилки або неточності. Оригінальний документ мовою оригіналу слід вважати авторитетним джерелом. Для критично важливої інформації рекомендується професійний людський переклад. Ми не несемо відповідальності за будь-які непорозуміння або неправильні тлумачення, що виникли внаслідок використання цього перекладу.