leestott
3cd46f83cf
|
8 months ago | |
|---|---|---|
| .. | ||
| 1-Introduction | 8 months ago | |
| 2-Regression | 8 months ago | |
| 3-Web-App | 8 months ago | |
| 4-Classification | 8 months ago | |
| 5-Clustering | 8 months ago | |
| 6-NLP | 8 months ago | |
| 7-TimeSeries | 8 months ago | |
| 8-Reinforcement | 8 months ago | |
| 9-Real-World | 8 months ago | |
| docs | 8 months ago | |
| quiz-app | 8 months ago | |
| sketchnotes | 8 months ago | |
| CODE_OF_CONDUCT.md | 8 months ago | |
| CONTRIBUTING.md | 8 months ago | |
| PyTorch_Fundamentals.ipynb | 8 months ago | |
| README.md | 8 months ago | |
| SECURITY.md | 8 months ago | |
| SUPPORT.md | 8 months ago | |
| for-teachers.md | 8 months ago | |
README.md
🌐 Mehrsprachige Unterstützung
Unterstützt durch GitHub Action (Automatisiert & Immer aktuell)
Französisch | Spanisch | Deutsch | Russisch | Arabisch | Persisch (Farsi) | Urdu | Chinesisch (Vereinfacht) | Chinesisch (Traditionell, Macau) | Chinesisch (Traditionell, Hongkong) | Chinesisch (Traditionell, Taiwan) | Japanisch | Koreanisch | Hindi | Bengalisch | Marathi | Nepalesisch | Punjabi (Gurmukhi) | Portugiesisch (Portugal) | Portugiesisch (Brasilien) | Italienisch | Polnisch | Türkisch | Griechisch | Thailändisch | Schwedisch | Dänisch | Norwegisch | Finnisch | Niederländisch | Hebräisch | Vietnamesisch | Indonesisch | Malaiisch | Tagalog (Filipino) | Swahili | Ungarisch | Tschechisch | Slowakisch | Rumänisch | Bulgarisch | Serbisch (Kyrillisch) | Kroatisch | Slowenisch | Ukrainisch | Burmesisch (Myanmar)
Werde Teil der Community
Maschinelles Lernen für Anfänger - Ein Curriculum
🌍 Reise um die Welt, während wir maschinelles Lernen durch die Kulturen der Welt erkunden 🌍
Cloud Advocates bei Microsoft freuen sich, ein 12-wöchiges Curriculum mit 26 Lektionen rund um Maschinelles Lernen anzubieten. In diesem Curriculum lernst du die Grundlagen des sogenannten klassischen maschinellen Lernens, hauptsächlich mit der Bibliothek Scikit-learn, und vermeidest Deep Learning, das in unserem AI for Beginners Curriculum behandelt wird. Kombiniere diese Lektionen mit unserem 'Data Science for Beginners Curriculum'!
Reise mit uns um die Welt, während wir diese klassischen Techniken auf Daten aus verschiedenen Regionen anwenden. Jede Lektion enthält Quizfragen vor und nach der Lektion, schriftliche Anweisungen zur Durchführung der Lektion, eine Lösung, eine Aufgabe und mehr. Unsere projektbasierte Pädagogik ermöglicht es dir, durch das Bauen zu lernen – eine bewährte Methode, um neue Fähigkeiten zu verankern.
✍️ Herzlichen Dank an unsere Autoren Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu und Amy Boyd
🎨 Danke auch an unsere Illustratoren Tomomi Imura, Dasani Madipalli und Jen Looper
🙏 Besonderer Dank 🙏 an unsere Microsoft Student Ambassador Autoren, Reviewer und Inhaltsbeiträger, insbesondere Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila und Snigdha Agarwal
🤩 Extra Dank an Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi und Vidushi Gupta für unsere R-Lektionen!
Erste Schritte
Folge diesen Schritten:
- Forke das Repository: Klicke auf die Schaltfläche "Fork" oben rechts auf dieser Seite.
- Klone das Repository:
git clone https://github.com/microsoft/ML-For-Beginners.git
Finde alle zusätzlichen Ressourcen für diesen Kurs in unserer Microsoft Learn Sammlung
Studenten, um dieses Curriculum zu nutzen, forke das gesamte Repository in deinen eigenen GitHub-Account und bearbeite die Übungen alleine oder in einer Gruppe:
- Beginne mit einem Quiz vor der Lektion.
- Lies die Lektion und führe die Aktivitäten durch, halte an und reflektiere bei jedem Wissenscheck.
- Versuche, die Projekte zu erstellen, indem du die Lektionen verstehst, anstatt den Lösungscode auszuführen; dieser Code ist jedoch in den
/solution-Ordnern jeder projektorientierten Lektion verfügbar. - Mache das Quiz nach der Lektion.
- Bearbeite die Herausforderung.
- Bearbeite die Aufgabe.
- Nach Abschluss einer Lektionengruppe besuche das Diskussionsforum und "lerne laut", indem du das entsprechende PAT-Raster ausfüllst. Ein 'PAT' ist ein Fortschrittsbewertungstool, das du ausfüllst, um dein Lernen zu vertiefen. Du kannst auch auf andere PATs reagieren, damit wir gemeinsam lernen können.
Für weiterführendes Lernen empfehlen wir, diese Microsoft Learn Module und Lernpfade zu folgen.
Lehrer, wir haben einige Vorschläge beigefügt, wie dieses Curriculum verwendet werden kann.
Videoanleitungen
Einige der Lektionen sind als kurze Videos verfügbar. Du findest alle diese Videos in den Lektionen oder auf der ML for Beginners Playlist auf dem Microsoft Developer YouTube-Kanal, indem du auf das Bild unten klickst.
Das Team kennenlernen
Gif von Mohit Jaisal
🎥 Klicke auf das Bild oben für ein Video über das Projekt und die Personen, die es erstellt haben!
Pädagogik
Wir haben zwei pädagogische Prinzipien gewählt, während wir dieses Curriculum erstellt haben: sicherzustellen, dass es projektbasiert und hands-on ist und dass es häufige Quizfragen enthält. Darüber hinaus hat dieses Curriculum ein gemeinsames Thema, um ihm Kohärenz zu verleihen.
Indem wir sicherstellen, dass die Inhalte mit Projekten übereinstimmen, wird der Prozess für die Studenten ansprechender und die Beibehaltung der Konzepte wird verbessert. Außerdem setzt ein niedrigschwelliges Quiz vor einer Klasse die Absicht des Studenten, ein Thema zu lernen, während ein zweites Quiz nach der Klasse die Beibehaltung weiter fördert. Dieses Curriculum wurde so gestaltet, dass es flexibel und unterhaltsam ist und ganz oder teilweise genutzt werden kann. Die Projekte beginnen klein und werden bis zum Ende des 12-Wochen-Zyklus zunehmend komplexer. Dieses Curriculum enthält auch einen Nachtrag zu realen Anwendungen des maschinellen Lernens, der als Zusatzpunkt oder als Grundlage für Diskussionen verwendet werden kann.
Finde unseren Verhaltenskodex, Beitragsrichtlinien und Übersetzungsrichtlinien. Wir freuen uns über dein konstruktives Feedback!
Jede Lektion enthält
- optionales Sketchnote
- optionales ergänzendes Video
- Videoanleitung (nur einige Lektionen)
- Quiz vor der Lektion
- schriftliche Lektion
- für projektbasierte Lektionen, Schritt-für-Schritt-Anleitungen zum Erstellen des Projekts
- Wissenschecks
- eine Herausforderung
- ergänzende Lektüre
- Aufgabe
- Quiz nach der Lektion
Hinweis zu den Sprachen: Diese Lektionen sind hauptsächlich in Python geschrieben, viele sind jedoch auch in R verfügbar. Um eine R-Lektion abzuschließen, gehe in den
/solution-Ordner und suche nach R-Lektionen. Sie enthalten eine .rmd-Erweiterung, die eine R Markdown-Datei darstellt, die einfach als Einbettung vonCode-Schnipseln(von R oder anderen Sprachen) und einemYAML-Header(der angibt, wie Ausgaben wie PDF formatiert werden sollen) in einemMarkdown-Dokumentdefiniert werden kann. Als solches dient es als beispielhaftes Autorierungsframework für Data Science, da es dir ermöglicht, deinen Code, dessen Ausgabe und deine Gedanken zu kombinieren, indem du sie in Markdown niederschreibst. Darüber hinaus können R Markdown-Dokumente in Ausgabeformate wie PDF, HTML oder Word gerendert werden.
Hinweis zu den Quizfragen: Alle Quizfragen befinden sich im Quiz App Ordner, insgesamt 52 Quizfragen mit jeweils drei Fragen. Sie sind innerhalb der Lektionen verlinkt, aber die Quiz-App kann lokal ausgeführt werden; folge den Anweisungen im
quiz-app-Ordner, um sie lokal zu hosten oder auf Azure bereitzustellen.
| Lektion Nummer | Thema | Lektionengruppe | Lernziele | Verlinkte Lektion | Autor |
|---|---|---|---|---|---|
| 01 | Einführung in maschinelles Lernen | Einführung | Lerne die grundlegenden Konzepte des maschinellen Lernens | Lektion | Muhammad |
| 02 | Die Geschichte des maschinellen Lernens | Einführung | Lerne die Geschichte hinter diesem Bereich | Lektion | Jen und Amy |
| 03 | Fairness und maschinelles Lernen | Einführung | Welche wichtigen philosophischen Fragen zur Fairness sollten Studenten berücksichtigen, wenn sie ML-Modelle erstellen und anwenden? | Lektion | Tomomi |
| 04 | Techniken des maschinellen Lernens | Einführung | Welche Techniken verwenden ML-Forscher, um ML-Modelle zu erstellen? | Lektion | Chris und Jen |
| 05 | Einführung in Regression | Regression | Einstieg in Python und Scikit-learn für Regressionsmodelle |
- [Python](2-Regression/1-Tools/README.md)
- [R](../../2-Regression/1-Tools/solution/R/lesson_1.html)
- Jen
- Eric Wanjau
- [Python](2-Regression/2-Data/README.md)
- [R](../../2-Regression/2-Data/solution/R/lesson_2.html)
- Jen
- Eric Wanjau
- [Python](2-Regression/3-Linear/README.md)
- [R](../../2-Regression/3-Linear/solution/R/lesson_3.html)
- Jen und Dmitry
- Eric Wanjau
- [Python](2-Regression/4-Logistic/README.md)
- [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html)
- Jen
- Eric Wanjau
- [Python](4-Classification/1-Introduction/README.md)
- [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) |
- Jen und Cassie
- Eric Wanjau
- [Python](4-Classification/2-Classifiers-1/README.md)
- [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) |
- Jen und Cassie
- Eric Wanjau
- [Python](4-Classification/3-Classifiers-2/README.md)
- [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) |
- Jen und Cassie
- Eric Wanjau
- [Python](5-Clustering/1-Visualize/README.md)
- [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) |
- Jen
- Eric Wanjau
- [Python](5-Clustering/2-K-Means/README.md)
- [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) |
- Jen
- Eric Wanjau
Finden Sie alle zusätzlichen Ressourcen für diesen Kurs in unserer Microsoft Learn-Sammlung
Offline-Zugriff
Sie können diese Dokumentation offline ausführen, indem Sie Docsify verwenden. Forken Sie dieses Repository, installieren Sie Docsify auf Ihrem lokalen Rechner und geben Sie dann im Stammordner dieses Repositories
docsify serveein. Die Website wird auf Port 3000 auf Ihrem localhost bereitgestellt:localhost:3000.PDFs
Finden Sie hier ein PDF des Lehrplans mit Links hier.
🎒 Weitere Kurse
Unser Team erstellt weitere Kurse! Schauen Sie sich an:
- Generative AI for Beginners
- Generative AI for Beginners .NET
- Generative AI with JavaScript
- Generative AI with Java
- AI for Beginners
- Data Science for Beginners
- ML for Beginners
- Cybersecurity for Beginners
- Web Dev for Beginners
- IoT for Beginners
- XR Development for Beginners
- Mastering GitHub Copilot for Paired Programming
- Mastering GitHub Copilot for C#/.NET Developers
- Choose Your Own Copilot Adventure
Haftungsausschluss:
Dieses Dokument wurde mithilfe des KI-Übersetzungsdienstes Co-op Translator übersetzt. Obwohl wir uns um Genauigkeit bemühen, weisen wir darauf hin, dass automatisierte Übersetzungen Fehler oder Ungenauigkeiten enthalten können. Das Originaldokument in seiner ursprünglichen Sprache sollte als maßgebliche Quelle betrachtet werden. Für kritische Informationen wird eine professionelle menschliche Übersetzung empfohlen. Wir übernehmen keine Haftung für Missverständnisse oder Fehlinterpretationen, die aus der Nutzung dieser Übersetzung entstehen.