ML-For-Beginners/translations/ja

🌐 マルチ言語サポート

GitHub Actionでサポート（自動化＆常に最新）

アラビア語 | ベンガル語 | ブルガリア語 | ビルマ語（ミャンマー） | 中国語（簡体） | 中国語（繁体、香港） | 中国語（繁体、マカオ） | 中国語（繁体、台湾） | クロアチア語 | チェコ語 | デンマーク語 | オランダ語 | エストニア語 | フィンランド語 | フランス語 | ドイツ語 | ギリシャ語 | ヘブライ語 | ヒンディー語 | ハンガリー語 | インドネシア語 | イタリア語 | 日本語 | カンナダ語 | 韓国語 | リトアニア語 | マレー語 | マラヤーラム語 | マラーティー語 | ネパール語 | ナイジェリア・ピジン語 | ノルウェー語 | ペルシア語（ファールシ） | ポーランド語 | ポルトガル語（ブラジル） | ポルトガル語（ポルトガル） | パンジャーブ語（グルムキー） | ルーマニア語 | ロシア語 | セルビア語（キリル文字） | スロバキア語 | スロベニア語 | スペイン語 | スワヒリ語 | スウェーデン語 | タガログ語（フィリピン） | タミル語 | テルグ語 | タイ語 | トルコ語 | ウクライナ語 | ウルドゥー語 | ベトナム語

コミュニティに参加

We have a Discord learn with AI series ongoing, learn more and join us at Learn with AI Series from 18 - 30 September, 2025. You will get tips and tricks of using GitHub Copilot for Data Science.

初心者のための機械学習 - カリキュラム

🌍 世界の文化を通じて機械学習を学びながら世界を旅しよう 🌍

Cloud Advocates at Microsoft are pleased to offer a 12-week, 26-lesson curriculum all about 機械学習. In this curriculum, you will learn about what is sometimes called classic machine learning, using primarily Scikit-learn as a library and avoiding deep learning, which is covered in our 『AI for Beginners』のカリキュラム. Pair these lessons with our 'Data Science for Beginners' curriculum, as well!

Travel with us around the world as we apply these classic techniques to data from many areas of the world. Each lesson includes pre- and post-lesson quizzes, written instructions to complete the lesson, a solution, an assignment, and more. Our project-based pedagogy allows you to learn while building, a proven way for new skills to 'stick'.

✍️ 執筆者の皆さま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 and Amy Boyd

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

🙏 Microsoft Student Ambassador の著者、レビュアー、コンテンツ寄稿者の皆さまに特別な感謝 🙏, notably Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, and Snigdha Agarwal

🤩 Rレッスンにご協力いただいた Microsoft Student Ambassadors の Eric Wanjau, Jasleen Sondhi, and Vidushi Gupta に追加の感謝！

はじめに

Follow these steps:

1. リポジトリをフォークする: Click on the "Fork" button at the top-right corner of this page.
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コレクションでご覧ください

🔧 サポートが必要ですか？ インストール、セットアップ、レッスンの実行に関する一般的な問題の解決策は、Troubleshooting Guide を確認してください。

学生、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:

• 事前の講義クイズから始めます。
• 講義を読み、各知識チェックで立ち止まり振り返りながらアクティビティを完了します。
• ソリューションコードを実行するのではなく、レッスンを理解してプロジェクトを作成するようにしてください。ただし、その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。
• 事後の講義クイズを受けます。
• チャレンジを完了します。
• 課題を完了します。
• レッスングループを完了したら、ディスカッションボード を訪れて、適切な PAT ルーブリックを記入して「学習を公開」してください。'PAT' は Progress Assessment Tool（進捗評価ツール）で、学習を深めるために記入するルーブリックです。他のPATにリアクションすることもでき、一緒に学び合うことができます。

さらなる学習のために、これらの Microsoft Learn モジュールとラーニングパスをフォローすることをお勧めします。

教育者の方へ, we have included some suggestions on how to use this curriculum.

---

ビデオ解説

一部のレッスンはショートフォームのビデオとして利用可能です。これらはレッスン内にインラインで配置されているか、または下の画像をクリックして 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、このプロジェクトとそれを作った人々についてのビデオが表示されます！

---

教育方針

このカリキュラムを構築するにあたり、私たちは2つの教育方針を選びました：実践的なプロジェクトベースであること、そして頻繁なクイズを含むことです。加えて、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。

コンテンツをプロジェクトに合わせることで、学習者の関与が高まり、概念の定着が促進されます。さらに、授業前の低リスクのクイズは学習者の学習意欲を高め、授業後の2回目のクイズが理解の定着を助けます。このカリキュラムは柔軟で楽しく、全体または一部を受講することができます。プロジェクトは小さく始まり、12週間のサイクルの終わりまでに徐々に複雑になります。また、このカリキュラムにはMLの実世界での応用に関する追補が含まれており、追加の単位や議論の基礎として使用できます。

当プロジェクトの 行動規範、貢献ガイド、翻訳、および トラブルシューティング の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！

各レッスンに含まれるもの

• スケッチノート（任意）
• 補足ビデオ（任意）
• ビデオ解説（一部のレッスンのみ）
• 事前講義ウォームアップクイズ
• 文章によるレッスン
• プロジェクトベースのレッスンでは、プロジェクトの作り方をステップごとにガイド
• 知識チェック
• チャレンジ
• 補足読書
• 課題
• 事後講義クイズ

言語に関する注記: 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 のレッスンを完了するには、/solution フォルダーに移動して R レッスンを探してください。これらは .rmd 拡張子を持ち、R Markdown ファイルを表しています。これは code chunks（R や他の言語の）と YAML header（PDF などの出力形式のフォーマット方法を指示する）を Markdown document に埋め込むものと単純に定義できます。そのため、コード、その出力、考察を Markdown で書き残すことができるため、データサイエンスのための優れた作成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。

クイズに関する注記: すべてのクイズは Quiz App folder に含まれており、合計52のクイズ（各クイズ3問）があります。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できます。ローカルでホストするか Azure にデプロイするには、quiz-app フォルダー内の指示に従ってください。

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	機械学習入門	導入	機械学習の基本概念を学ぶ	レッスン	Muhammad
02	機械学習の歴史	導入	この分野の背景にある歴史を学ぶ	レッスン	Jen と Amy
03	公平性と機械学習	導入	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何か？	レッスン	Tomomi
04	機械学習の手法	導入	ML研究者は機械学習モデルを構築するためにどのような手法を用いるか？	レッスン	Chris と Jen
05	回帰入門	回帰	回帰モデルのためにPythonとScikit-learnを使って始める	Python • R	Jen • Eric Wanjau
06	北米のかぼちゃ価格 🎃	回帰	MLの準備としてデータを可視化・クリーンする	Python • R	Jen • Eric Wanjau
07	北米のかぼちゃ価格 🎃	回帰	線形および多項式回帰モデルを構築する	Python • R	Jen と Dmitry • Eric Wanjau
08	北米のかぼちゃ価格 🎃	回帰	ロジスティック回帰モデルを構築する	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を構築する	Python	Jen
10	分類入門	分類	データをクリーン、準備、可視化する；分類の導入	Python • R	Jen と Cassie • Eric Wanjau
11	おいしいアジアとインドの料理 🍜	分類	分類器の導入	Python • R	Jen と Cassie • Eric Wanjau
12	おいしいアジアとインドの料理 🍜	分類	さらに多くの分類器	Python • R	Jen と Cassie • Eric Wanjau
13	おいしいアジアとインドの料理 🍜	分類	モデルを使ってレコメンダーのウェブアプリを構築する	Python	Jen
14	クラスタリング入門	クラスタリング	データをクリーン、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嗜好を探る 🎧	クラスタリング	K平均法（K-Means）クラスタリング手法を探る	Python • R	Jen • Eric Wanjau
16	自然言語処理入門 ☕️	自然言語処理	シンプルなボットを作ってNLPの基本を学ぶ	Python	Stephen
17	一般的なNLPタスク ☕️	自然言語処理	言語構造を扱う際に必要となる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	Jane Austen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チックなホテル ♥️	自然言語処理	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チックなホテル ♥️	自然言語処理	ホテルレビューを使った感情分析 2	Python	Stephen
21	時系列予測入門	時系列	時系列予測の導入	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（SVR）による時系列予測	Python	Anirban
24	強化学習入門	強化学習	Q学習による強化学習の導入	Python	Dmitry
25	ピーターがオオカミを避けるのを助けよう！ 🐺	強化学習	強化学習のGym	Python	Dmitry
追記	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での応用	レッスン	チーム
追記	RAIダッシュボードを使用したMLのモデルデバッグ	ML in the Wild	Responsible AIダッシュボードコンポーネントを使用した機械学習のモデルデバッグ	レッスン	Ruth Yakubu

このコースの追加資料はすべてMicrosoft Learnコレクションで見つけられます

オフラインでのアクセス

このドキュメントは Docsify を使用してオフラインで実行できます。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 と入力します。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はこちらで見つかります。

🎒 その他のコース

私たちのチームは他のコースも制作しています！ぜひご覧ください：

LangChain

---

Azure / Edge / MCP / Agents

---

生成AIシリーズ

---

コア学習

---

Copilot シリーズ

サポート

AIアプリの構築で行き詰まったり質問がある場合は、MCPに関する議論に参加して他の学習者や経験豊富な開発者と交流してください。ここは質問が歓迎され、知識が自由に共有される支援的なコミュニティです。

If you have product feedback or errors while building visit:

---

免責事項： 本書は AI 翻訳サービス「Co-op Translator」（https://github.com/Azure/co-op-translator）を使用して翻訳されました。正確性には努めていますが、自動翻訳には誤りや不正確な表現が含まれる場合があります。原文（原語版）を正確な情報源としてご確認ください。重要な情報については、専門の人間による翻訳を推奨します。本翻訳の利用により生じたいかなる誤解・誤訳についても、当方は責任を負いません。