ML-For-Beginners/translations/tw

🌐 多語言支援

透過 GitHub Action 支援（自動化且保持最新）

阿拉伯語 | 孟加拉語 | 保加利亞語 | 緬甸語 (Myanmar) | 中文（簡體） | 中文（繁體，香港） | 中文（繁體，澳門） | 中文（繁體，臺灣） | 克羅埃西亞語 | 捷克語 | 丹麥語 | 荷蘭語 | 愛沙尼亞語 | 芬蘭語 | 法語 | 德語 | 希臘語 | 希伯來語 | 印地語 | 匈牙利語 | 印尼語 | 義大利語 | 日語 | 坎納達語 | 韓語 | 立陶宛語 | 馬來語 | 馬拉雅拉姆語 | 馬拉地語 | 尼泊爾語 | 尼日利亞皮欽語 | 挪威語 | 波斯語（法爾西） | 波蘭語 | 葡萄牙語（巴西） | 葡萄牙語（葡萄牙） | 旁遮普語（Gurmukhi） | 羅馬尼亞語 | 俄語 | 塞爾維亞語（西里爾字母） | 斯洛伐克語 | 斯洛文尼亞語 | 西班牙語 | 斯瓦希里語 | 瑞典語 | 他加祿語（菲律賓） | 泰米爾語 | 泰盧固語 | 泰語 | 土耳其語 | 烏克蘭語 | 烏爾都語 | 越南語

加入我們的社群

我們有一系列在 Discord 上進行的「與 AI 一起學習」活動，活動期間為 2025 年 9 月 18 日至 30 日。想了解更多並加入我們，請至 與 AI 一起學習 系列。您將獲得使用 GitHub Copilot 進行資料科學的提示與技巧。

初學者機器學習課程

🌍 透過世界各地文化探索機器學習，一同環遊世界 🌍

Cloud Advocates at Microsoft 很高興提供一個為期 12 週、共 26 課的 機器學習 課程。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 作為函式庫，並避開深度學習（深度學習在我們的 AI 初學者課程 中有涵蓋）。也可以將這些課程與我們的 初學者資料科學課程 配合使用。

跟我們一起環遊世界，將這些經典技術應用到來自世界各地的資料。每堂課都包含課前與課後測驗、書面指示以完成課程、解答、作業等。以專案為基礎的教學法讓您在實作中學習，這是讓新技能更容易「記住」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 and Amy Boyd

🎨 也感謝我們的插畫師 Tomomi Imura, Dasani Madipalli, and Jen Looper

🙏 特別感謝 🙏 我們的 Microsoft 學生大使作者、審閱者與內容貢獻者，尤其是 Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, 與 Snigdha Agarwal

🤩 額外感謝 Microsoft 學生大使 Eric Wanjau, Jasleen Sondhi, 與 Vidushi Gupta 為我們的 R 課程所做的貢獻！

開始使用

請依照以下步驟：

1. Fork 本儲存庫：按本頁右上角的「Fork」按鈕。
2. Clone 本儲存庫： git clone https://github.com/microsoft/ML-For-Beginners.git

在我們的 Microsoft Learn 集合中找到本課程的所有額外資源

🔧 需要幫助嗎？ 請查看我們的 疑難排解指南 以取得關於安裝、設定和執行課程時常見問題的解決方法。

學生，要使用本課程，請將整個 repo Fork 到您自己的 GitHub 帳戶，並自行或與小組一起完成練習：

• 從課前測驗開始。
• 閱讀講義並完成活動，在每個知識檢核處暫停並反思。
• 嘗試透過理解課程內容來建立專案，而不是直接執行解答程式碼；不過該程式碼可在每個專案導向課程的 /solution 資料夾中找到。
• 參加課後測驗。
• 完成挑戰。
• 完成作業。
• 完成一組課程後，請造訪 討論板 並透過填寫相應的 PAT 評分規準來「公開學習」。PAT 是一種進度評估工具（Progress Assessment Tool），是一份您填寫以促進學習的評分規準。您也可以對其他人的 PAT 做出回應，讓我們一起學習。

如需進一步學習，我們建議參考這些在 Microsoft Learn 的模組與學習路徑。

教師，我們在 包含一些建議 以說明如何使用本課程。

---

影片導覽

部分課程提供短片形式的影片。您可以在課程內容中內嵌觀看，或在 Microsoft 開發者 YouTube 頻道上的 ML for Beginners 播放清單 中觀看，點擊下方圖片即可。

---

團隊介紹

動圖作者 Mohit Jaisal

🎥 點擊上方圖片觀看關於本專案及其創作者的影片！

---

教學法

在建構此課程時，我們選擇了兩項教學原則：確保課程是動手實作的 專案導向，並包含 頻繁的測驗。此外，本課程具有共通的 主題，以增強整體連貫性。

透過確保內容與專案對齊，學習過程對學生而言更具吸引力，概念的記憶也會被強化。此外，課前的低壓力測驗能為學生設定學習某個主題的意圖，而課後的第二次測驗則能確保進一步的記憶。本課程設計具有彈性且充滿趣味，可整體或部分修習。專案從簡單開始，隨著 12 週週期結束逐漸變得更複雜。本課程亦包含一段關於機器學習真實世界應用的附錄，可用作加分或討論的基礎。

查看我們的 行為準則、貢獻指南、翻譯 與 疑難排解 指南。我們歡迎您的建設性回饋！

每堂課包含

• 可選的草圖筆記
• 可選的補充影片
• 影片導覽（僅限部分課程）
• 課前暖身測驗
• 書面教學
• 針對專案導向的課程，提供一步步的專案建置指南
• 知識檢核
• 一項挑戰
• 補充閱讀
• 作業
• 課後測驗

關於語言的說明：這些課程主要以 Python 撰寫，但許多也提供 R 版本。要完成 R 課程，請前往 /solution 資料夾並尋找 R 課程。它們包含 .rmd 副檔名，代表一個 R Markdown 檔案，可簡單定義為在 Markdown document 中嵌入 code chunks（R 或其他語言）與 YAML header（指導如何格式化輸出，例如 PDF）。因此，它作為資料科學的範例撰寫框架，允許您結合程式碼、其輸出與想法，並以 Markdown 記錄下來。此外，R Markdown 文件可以輸出為 PDF、HTML 或 Word 等格式。

關於測驗的說明：所有測驗都包含在 Quiz App 資料夾，共 52 個測驗，每個測驗有三個問題。它們在課程中有連結，但測驗應用程式也可以在本機執行；請依 quiz-app 資料夾內的指示在本機託管或部署到 Azure。

課程編號	主題	課程分組	學習目標	連結課程	作者
01	機器學習簡介	介紹	學習機器學習背後的基本概念	課程	Muhammad
02	機器學習的歷史	介紹	了解此領域背後的歷史	課程	Jen and Amy
03	公平性與機器學習	介紹	學生在建立與應用機器學習模型時，應該考量的與公平性相關的重要哲學議題有哪些？	課程	Tomomi
04	機器學習的技術	介紹	機器學習研究人員使用哪些技術來建立機器學習模型？	課程	Chris and Jen
05	迴歸入門	迴歸	使用 Python 與 Scikit-learn 開始建立迴歸模型	Python • R	Jen • Eric Wanjau
06	北美南瓜價格 🎃	迴歸	為機器學習準備資料：視覺化與清理資料	Python • R	Jen • Eric Wanjau
07	北美南瓜價格 🎃	迴歸	建立線性與多項式迴歸模型	Python • R	Jen and Dmitry • Eric Wanjau
08	北美南瓜價格 🎃	迴歸	建立邏輯迴歸模型	Python • R	Jen • Eric Wanjau
09	一個 Web 應用程式 🔌	Web 應用	建立一個網頁應用程式來使用你訓練好的模型	Python	Jen
10	分類入門	分類	清理、準備與視覺化資料；分類介紹	Python • R	Jen and Cassie • Eric Wanjau
11	美味的亞洲與印度料理 🍜	分類	分類器介紹	Python • R	Jen and Cassie • Eric Wanjau
12	美味的亞洲與印度料理 🍜	分類	更多分類器	Python • R	Jen and Cassie • Eric Wanjau
13	美味的亞洲與印度料理 🍜	分類	使用你的模型建立推薦系統的網頁應用程式	Python	Jen
14	分群入門	分群	清理、準備與視覺化資料；分群介紹	Python • R	Jen • Eric Wanjau
15	探索奈及利亞的音樂喜好 🎧	分群	探索 K-Means 分群方法	Python • R	Jen • Eric Wanjau
16	自然語言處理入門 ☕️	自然語言處理	透過建立簡單機器人來學習 NLP 的基礎	Python	Stephen
17	常見的 NLP 任務 ☕️	自然語言處理	透過理解處理語言結構時常見的任務來加深你對 NLP 的知識	Python	Stephen
18	翻譯與情感分析 ♥️	自然語言處理	以 Jane Austen 的作品進行翻譯與情感分析	Python	Stephen
19	歐洲浪漫旅館 ♥️	自然語言處理	使用旅館評論進行情感分析 1	Python	Stephen
20	歐洲浪漫旅館 ♥️	自然語言處理	使用旅館評論進行情感分析 2	Python	Stephen
21	時序預測入門	時間序列	時間序列預測介紹	Python	Francesca
22	⚡️ 世界電力使用 ⚡️ - 使用 ARIMA 的時間序列預測	時間序列	使用 ARIMA 進行時間序列預測	Python	Francesca
23	⚡️ 世界電力使用 ⚡️ - 使用 SVR 的時間序列預測	時間序列	使用支援向量回歸 (SVR) 進行時間序列預測	Python	Anirban
24	強化學習入門	強化學習	使用 Q-Learning 的強化學習介紹	Python	Dmitry
25	幫助彼得避開狼！ 🐺	強化學習	強化學習 Gym	Python	Dmitry
後記	真實世界的機器學習情境與應用	真實世界的 ML	傳統機器學習在真實世界中有趣且具啟發性的應用	課程	Team
後記	在 ML 中使用 RAI 儀表板進行模型除錯	真實世界的 ML	使用 Responsible AI 儀表板元件進行機器學習模型除錯	課程	Ruth Yakubu

在我們的 Microsoft Learn 集合中找到本課程的所有其他資源

離線存取

你可以使用 Docsify 來離線執行此文件。Fork 這個 repo，在你的本機安裝 安裝 Docsify，然後在此 repo 的根資料夾中輸入 docsify serve。網站將在本機的 3000 埠提供：localhost:3000。

PDF 檔

在 這裡 找到含連結的課程 PDF。

🎒 其他課程

我們團隊也製作其他課程！看看:

LangChain

---

Azure / Edge / MCP / Agents

---

生成式 AI 系列

---

核心學習

---

Copilot 系列

取得協助

如果您在建置 AI 應用程式時遇到困難或有任何問題，請加入其他學習者與資深開發者的討論，共同交流 MCP 的相關議題。這是一個支持性的社群，歡迎提問並自由分享知識。

如果您在建置過程中有產品回饋或發現錯誤，請造訪：

---

免責聲明： 本文件已使用 AI 翻譯服務 Co-op Translator 進行翻譯。雖然我們力求準確，但請注意自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應視為具權威性的來源。若內容涉及重要資訊，建議採用專業人工翻譯。我們對因使用此翻譯而導致的任何誤解或錯誤詮釋不負任何法律責任。