32 KiB

Raw Blame History Unescape Escape

🌐 多言語サポート

GitHub Actions による対応（自動化＆常に最新）

ローカルにクローンしたいですか？

このリポジトリには50以上の言語翻訳が含まれているため、ダウンロードサイズが大幅に増加します。翻訳なしでクローンしたい場合は、スパースチェックアウトを使用してください：
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'
これにより、コースを完了するために必要なすべてをはるかに高速にダウンロードできます。

コミュニティに参加しよう

Discordで学習シリーズを実施中です。詳細と参加はLearn with AI Seriesで2025年9月18日〜30日まで。GitHub Copilotを使ったデータサイエンスのコツが学べます。

はじめてのための機械学習 - カリキュラム

🌍 世界の文化を巡りながら機械学習を学ぼう 🌍

MicrosoftのCloud Advocatesは、12週間、26レッスンにわたる機械学習に関する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を使い、「クラシック機械学習」と呼ばれることもある手法を学びます。ディープラーニングはAI for Beginnersカリキュラムでカバーしています。さらに、Data Science for Beginnersカリキュラムと組み合わせて学べます。

世界各地のデータにこのクラシックな手法を適用しながら旅をしましょう。それぞれのレッスンは事前・事後のクイズ、レッスンの指示、ソリューション、課題などを含みます。プロジェクトベースの教育法により、学びながら作ることで新しいスキルが定着します。

✍️ 著者の皆様に心から感謝 ジェン・ルーパー、スティーブン・ハウェル、フランチェスカ・ラゼリ、井村知美、キャシー・ブレビウ、ドミトリー・ソシニコフ、クリス・ノーリング、アニルバン・ムカジー、オルネラ・アルトゥニャン、ルース・ヤクブ、エイミー・ボイド

🎨 イラストレーターの皆様にも感謝 井村知美、ダサニ・マディパリ、ジェン・ルーパー

🙏 特別な感謝 🙏 Microsoft Student Ambassador の著者、レビュアー、コンテンツ提供者の皆様へ 特にリシット・ダグリ、ムハンマド・サキブ・カーン・イナン、ロハン・ラージ、アレクサンドル・ペトレスク、アビシェク・ジャイスワル、ナウリン・タバスム、イオアン・サムイラ、スニグダ・アガルワル

🤩 Microsoft Student Ambassadorsのエリック・ワンジャウ、ジャスリーン・ソンディ、ヴィドゥシ・グプタにも特別感謝、Rレッスンを担当！

はじめに

以下の手順に従ってください：

リポジトリをフォーク: このページ右上の「Fork」ボタンをクリックします。
リポジトリをクローン: git clone https://github.com/microsoft/ML-For-Beginners.git

このコースに関する全追加リソースはMicrosoft Learnコレクションで見つけられます

🔧 困ったときは？ インストールやセットアップ、レッスン実行に関するよくある問題はトラブルシューティングガイドを参照してください。

学生の皆さん、このカリキュラムを使うには、リポジトリを自分のGitHubアカウントにフォークし、グループまたは個人で課題を進めてください：

事前のクイズから始めましょう。
レッスンを読んで活動を完了します。知識点ごとに立ち止まり、考えましょう。
ソリューションコードをそのまま動かすのではなく、理解しながらプロジェクトを作成に挑戦してください。ソリューションは各プロジェクトレッスンの/solutionフォルダにあります。
事後のクイズを受けましょう。
チャレンジに取り組みましょう。
課題を完了しましょう。
レッスングループが完了したら、ディスカッションボードで「アウトラウドラーニング（学びの声）」をPATルーブリックで投稿してください。‘PAT’は進捗評価ツールのことで、さらに学習を深めます。他のPATにもリアクションして、共に学びましょう。

さらなる学習には、Microsoft Learnのモジュールや学習パスをおすすめします。

教員の皆様には、このカリキュラムの活用案をこちらにまとめています。

ビデオウォークスルー

一部のレッスンは短い動画で視聴可能です。レッスン内の埋め込みや、下の画像リンク先のMicrosoft Developer YouTubeチャンネルのML for Beginnersプレイリストでご覧いただけます。

チーム紹介

GIF提供 Mohit Jaisal

🎥 上の画像をクリックすると、プロジェクトと開発者についてのビデオが見られます！

教育方針

このカリキュラム作成にあたり、二つの教育上の柱を選びました：ハンズオンのプロジェクトベースであること、そして頻繁なクイズを組み込むことです。さらに一貫性を持たせるために共通のテーマを設定しました。

コンテンツがプロジェクトに沿うことで、学習者の関与が高まり、概念の保持が促進されます。また、授業前の軽いクイズが学習意欲を高め、授業後のクイズで記憶の定着を図ります。このカリキュラムは柔軟で楽しく、全体または一部だけでも学べます。プロジェクトは最初は簡単で、12週間の終盤にはより複雑になります。さらに、実社会における機械学習の応用についての後書きも含まれ、追加の学習や議論の材料として活用可能です。

行動規範、貢献ガイド、翻訳ガイド、トラブルシューティングをご覧ください。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を含みます

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）
事前講義用ウォームアップクイズ
書かれたレッスン内容
プロジェクトベースのレッスンでは、プロジェクトを構築するステップバイステップのガイド
知識確認
チャレンジ
補足読書
課題
事後講義用クイズ

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でも提供しています。Rレッスンを行うには、/solutionフォルダでRのレッスンを探してください。これには.rmd拡張子があり、これはR Markdownファイルで、コードチャンク（Rや他の言語）とYAMLヘッダー（PDFなどの出力形式設定を指示）を組み合わせているMarkdown形式の文書です。そのため、コード、その出力、考えをMarkdownで一体的に書けるデータサイエンス向けの優れた執筆フレームワークです。R Markdown文書はPDFやHTML、Wordなどの形式にレンダリング可能です。 クイズについての注記: すべてのクイズはQuiz Appフォルダーに収められており、合計52個のクイズがあり、それぞれ3つの質問からなっています。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可能です。quiz-appフォルダー内の指示に従い、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	イントロダクション	機械学習の基本的な概念を学ぶ	レッスン	Muhammad
02	機械学習の歴史	イントロダクション	この分野の基礎となる歴史を学ぶ	レッスン	Jen and Amy
03	公平性と機械学習	イントロダクション	MLモデルを構築・適用する際に学生が考慮すべき重要な公平性に関する哲学的課題とは何か？	レッスン	Tomomi
04	機械学習の技法	イントロダクション	ML研究者がMLモデルを構築するために使用する技法とは？	レッスン	Chris and Jen
05	回帰の紹介	回帰	PythonとScikit-learnを使った回帰モデルの入門	Python • R	Jen • Eric Wanjau
06	北米のパンプキン価格 🎃	回帰	MLに向けてデータを可視化・クリーニングする	Python • R	Jen • Eric Wanjau
07	北米のパンプキン価格 🎃	回帰	線形回帰モデルと多項式回帰モデルの構築	Python • R	Jen and Dmitry • Eric Wanjau
08	北米のパンプキン価格 🎃	回帰	ロジスティック回帰モデルの構築	Python • R	Jen • Eric Wanjau
09	ウェブアプリ 🔌	Web App	学習済みモデルを使うためのウェブアプリの構築	Python	Jen
10	分類の紹介	分類	データをクリーニングし準備、可視化する；分類入門	Python • R	Jen and Cassie • Eric Wanjau
11	美味しいアジアとインドの料理 🍜	分類	分類器の紹介	Python • R	Jen and Cassie • Eric Wanjau
12	美味しいアジアとインドの料理 🍜	分類	さらなる分類器	Python • R	Jen and Cassie • Eric Wanjau
13	美味しいアジアとインドの料理 🍜	分類	モデルを用いて推薦ウェブアプリを構築	Python	Jen
14	クラスタリングの紹介	クラスタリング	データのクリーニング、準備、可視化；クラスタリング入門	Python • R	Jen • Eric Wanjau
15	ナイジェリアの音楽の趣味を探る 🎧	クラスタリング	K-平均クラスタリング手法を探求	Python • R	Jen • Eric Wanjau
16	自然言語処理の紹介 ☕️	自然言語処理	シンプルなボットを作ることでNLPの基礎を学ぶ	Python	Stephen
17	よくあるNLPタスク ☕️	自然言語処理	言語構造を扱う際に必要な一般的なタスクを理解してNLPの知識を深める	Python	Stephen
18	翻訳と感情分析 ♥️	自然言語処理	ジェーン・オースティンのテキストによる翻訳と感情分析	Python	Stephen
19	ヨーロッパのロマンチックホテル ♥️	自然言語処理	ホテルレビューを用いた感情分析 1	Python	Stephen
20	ヨーロッパのロマンチックホテル ♥️	自然言語処理	ホテルレビューを用いた感情分析 2	Python	Stephen
21	時系列予測の紹介	時系列	時系列予測の入門	Python	Francesca
22	⚡️ 世界の電力使用量 ⚡️ - ARIMAによる時系列予測	時系列	ARIMAを用いた時系列予測	Python	Francesca
23	⚡️ 世界の電力使用量 ⚡️ - SVRによる時系列予測	時系列	サポートベクター回帰を用いた時系列予測	Python	Anirban
24	強化学習の紹介	強化学習	Q-ラーニングによる強化学習の紹介	Python	Dmitry
25	ピーターにオオカミを避ける手助け！ 🐺	強化学習	強化学習Gym	Python	Dmitry
追記	実世界のMLシナリオと応用	実世界のML	古典的MLの興味深く示唆に富んだ実世界での応用例	レッスン	チーム
追記	RAIダッシュボードを用いたMLモデルのデバッグ	実世界のML	Responsible AIダッシュボードコンポーネントを使った機械学習モデルのデバッグ	レッスン	Ruth Yakubu

このコースのすべての追加リソースはこちらのMicrosoft Learnコレクションでご覧いただけます

オフラインアクセス

Docsifyを使ってオフラインでこのドキュメントを実行できます。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（localhost:3000）で提供されます。