30 KiB

Raw Blame History Unescape Escape

🌐 Meertalige ondersteuning

Ondersteund via GitHub Action (Geautomatiseerd & altijd up-to-date)

Doe mee met onze community

We hebben een Discord Learn with AI-serie die doorgaat; lees meer en sluit je van 18 - 30 september 2025 bij ons aan op Learn with AI-serie. Je ontvangt tips en trucs voor het gebruik van GitHub Copilot voor Data Science.

Machine Learning for Beginners - Een curriculum

🌍 Reis over de hele wereld terwijl we Machine Learning verkennen door middel van wereldculturen 🌍

Cloud Advocates bij Microsoft bieden met plezier een 12-weekse, 26-les curriculum aan over Machine Learning. In dit curriculum leer je over wat soms klassieke machine learning wordt genoemd, met voornamelijk Scikit-learn als bibliotheek en zonder deep learning, dat behandeld wordt in ons AI for Beginners-curriculum. Combineer deze lessen ook met ons Data Science for Beginners-curriculum!

Reis met ons mee over de hele wereld terwijl we deze klassieke technieken toepassen op gegevens uit veel regio's van de wereld. Elke les bevat pre- en post-lesson quizzes, schriftelijke instructies om de les te voltooien, een oplossing, een opdracht en meer. Onze projectgebaseerde pedagogiek stelt je in staat te leren terwijl je bouwt, een bewezen manier zodat nieuwe vaardigheden 'blijven hangen'.

✍️ Hartelijke dank aan onze auteurs Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu and Amy Boyd

🎨 Dank ook aan onze illustratoren Tomomi Imura, Dasani Madipalli, and Jen Looper

🙏 Speciale dank 🙏 aan onze Microsoft Student Ambassador-auteurs, beoordelaars en bijdragers aan de inhoud, met name Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, en Snigdha Agarwal

🤩 Extra dank aan Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, en Vidushi Gupta voor onze R-lessen!

Aan de slag

Volg deze stappen:

Fork de repository: Klik op de "Fork" knop in de rechterbovenhoek van deze pagina.
Kloon de repository: git clone https://github.com/microsoft/ML-For-Beginners.git

vind alle aanvullende bronnen voor deze cursus in onze Microsoft Learn-collectie

🔧 Heeft u hulp nodig? Bekijk onze Probleemoplossingsgids voor oplossingen voor veelvoorkomende problemen met installatie, setup en het uitvoeren van lessen.

Studenten, om dit curriculum te gebruiken, fork de gehele repo naar je eigen GitHub-account en voltooi de oefeningen alleen of in een groep:

Begin met een quiz voor de les.
Lees de les en voltooi de activiteiten, pauzeer en reflecteer bij elke kennischeck.
Probeer de projecten te maken door de lessen te begrijpen in plaats van direct de oplossingscode uit te voeren; die code is echter beschikbaar in de /solution-mappen in elke projectgerichte les.
Maak de quiz na de les.
Voltooi de challenge.
Voltooi de opdracht.
Nadat je een lesgroep hebt voltooid, bezoek het Discussion Board en "learn out loud" door de juiste PAT-rubric in te vullen. Een 'PAT' is een Progress Assessment Tool, een rubric die je invult om je leren te bevorderen. Je kunt ook reageren op andere PAT's zodat we samen kunnen leren.

Voor verder studie raden we aan deze Microsoft Learn modules en leerroutes te volgen.

Docenten, we hebben enkele suggesties opgenomen over hoe u dit curriculum kunt gebruiken.

Video-rondleidingen

Sommige van de lessen zijn beschikbaar als korte video's. Je kunt ze allemaal inline in de lessen vinden, of op de ML for Beginners afspeellijst op het Microsoft Developer YouTube-kanaal door op de afbeelding hieronder te klikken.

Ontmoet het team

Gif door Mohit Jaisal

🎥 Klik op de afbeelding hierboven voor een video over het project en de mensen die het hebben gemaakt!

Pedagogiek

We hebben twee pedagogische beginselen gekozen bij het opbouwen van dit curriculum: ervoor zorgen dat het hands-on en projectgebaseerd is en dat het frequente quizzes bevat. Daarnaast heeft dit curriculum een gemeenschappelijk thema om het samenhang te geven.

Door ervoor te zorgen dat de inhoud is afgestemd op projecten, wordt het proces boeiender voor studenten en zal het vasthouden van concepten worden vergroot. Bovendien zet een quiz met lage inzet vóór een les de intentie van de student richting het leren van een onderwerp, terwijl een tweede quiz na de les verdere retentie waarborgt. Dit curriculum is ontworpen om flexibel en leuk te zijn en kan geheel of gedeeltelijk worden gevolgd. De projecten beginnen klein en worden geleidelijk complexer tegen het einde van de 12-weekse cyclus. Dit curriculum bevat ook een postscriptum over toepassingen van ML in de echte wereld, dat kan worden gebruikt als extra krediet of als basis voor discussie.

Bekijk onze Gedragscode, Bijdragen, Vertalingen, en Probleemoplossing richtlijnen. We verwelkomen je constructieve feedback!

Elke les bevat

optionele sketchnote
optionele aanvullende video
video-doorloop (alleen bij sommige lessen)
opwarmquiz vóór de les
geschreven les
voor projectgebaseerde lessen, stapsgewijze handleidingen over hoe je het project bouwt
kenniscontroles
een uitdaging
aanvullende leesstof
opdracht
quiz na de les

Een opmerking over talen: Deze lessen zijn hoofdzakelijk in Python geschreven, maar veel zijn ook beschikbaar in R. Om een R-les te voltooien, ga naar de /solution folder en zoek naar R-lessen. Ze bevatten een .rmd-extensie die een R Markdown-bestand vertegenwoordigt dat eenvoudig gedefinieerd kan worden als een insluiting van code chunks (van R of andere talen) en een YAML header (die aangeeft hoe uitvoer zoals PDF geformatteerd moet worden) in een Markdown document. Als zodanig dient het als een voorbeeldig auteurframework voor data science omdat het je in staat stelt je code, de uitvoer ervan en je gedachten te combineren door ze in Markdown op te schrijven. Bovendien kunnen R Markdown-documenten worden gerenderd naar uitvoerformaten zoals PDF, HTML of Word.

Een opmerking over quizzes: Alle quizzes bevinden zich in de Quiz App-map, in totaal 52 quizzes met elk drie vragen. Ze zijn gekoppeld vanuit de lessen, maar de quiz-app kan lokaal worden uitgevoerd; volg de instructies in de quiz-app folder om lokaal te hosten of te implementeren naar Azure.

Lesnummer	Onderwerp	Lesindeling	Leerdoelen	Gekoppelde les	Auteur
01	Introductie tot machine learning	Introductie	Leer de basisconcepten achter machine learning	Les	Muhammad
02	De geschiedenis van machine learning	Introductie	Leer de geschiedenis achter dit vakgebied	Les	Jen and Amy
03	Eerlijkheid en machine learning	Introductie	Wat zijn de belangrijke filosofische kwesties rond eerlijkheid die studenten moeten overwegen bij het bouwen en toepassen van ML-modellen?	Les	Tomomi
04	Technieken voor machine learning	Introductie	Welke technieken gebruiken ML-onderzoekers om ML-modellen te bouwen?	Les	Chris and Jen
05	Introductie tot regressie	Regressie	Aan de slag met Python en Scikit-learn voor regressiemodellen	Python • R	Jen • Eric Wanjau
06	Pompoenprijzen in Noord-Amerika 🎃	Regressie	Visualiseer en maak gegevens schoon ter voorbereiding op ML	Python • R	Jen • Eric Wanjau
07	Pompoenprijzen in Noord-Amerika 🎃	Regressie	Bouw lineaire en polynomiale regressiemodellen	Python • R	Jen and Dmitry • Eric Wanjau
08	Pompoenprijzen in Noord-Amerika 🎃	Regressie	Bouw een logistiek regressiemodel	Python • R	Jen • Eric Wanjau
09	Een webapp 🔌	Web App	Bouw een webapp om je getrainde model te gebruiken	Python	Jen
10	Introductie tot classificatie	Classificatie	Maak je gegevens schoon, bereid ze voor en visualiseer ze; introductie tot classificatie	Python • R	Jen and Cassie • Eric Wanjau
11	Heerlijke Aziatische en Indiase keukens 🍜	Classificatie	Introductie tot classificatoren	Python • R	Jen and Cassie • Eric Wanjau
12	Heerlijke Aziatische en Indiase keukens 🍜	Classificatie	Meer classificatoren	Python • R	Jen and Cassie • Eric Wanjau
13	Heerlijke Aziatische en Indiase keukens 🍜	Classificatie	Bouw een recommender-webapp met je model	Python	Jen
14	Introductie tot clustering	Clustering	Maak je gegevens schoon, bereid ze voor en visualiseer ze; introductie tot clustering	Python • R	Jen • Eric Wanjau
15	Verkenning van Nigeriaanse muzikale voorkeuren 🎧	Clustering	Verken de K-Means clusteringmethode	Python • R	Jen • Eric Wanjau
16	Introductie tot natuurlijke taalverwerking ☕️	Natuurlijke taalverwerking	Leer de basis van NLP door een eenvoudige bot te bouwen	Python	Stephen
17	Veelvoorkomende NLP-taken ☕️	Natuurlijke taalverwerking	Verdiep je NLP-kennis door veelvoorkomende taken te begrijpen die nodig zijn bij het omgaan met taalstructuren	Python	Stephen
18	Vertaling en sentimentanalyse ♥️	Natuurlijke taalverwerking	Vertaling en sentimentanalyse met Jane Austen	Python	Stephen
19	Romantische hotels in Europa ♥️	Natuurlijke taalverwerking	Sentimentanalyse met hotelrecensies 1	Python	Stephen
20	Romantische hotels in Europa ♥️	Natuurlijke taalverwerking	Sentimentanalyse met hotelrecensies 2	Python	Stephen
21	Introductie tot tijdreeksvoorspelling	Tijdreeksen	Introductie tot tijdreeksvoorspelling	Python	Francesca
22	⚡️ Wereldwijd stroomverbruik ⚡️ - tijdreeksvoorspelling met ARIMA	Tijdreeksen	Tijdreeksvoorspelling met ARIMA	Python	Francesca
23	⚡️ Wereldwijd stroomverbruik ⚡️ - tijdreeksvoorspelling met SVR	Tijdreeksen	Tijdreeksvoorspelling met Support Vector Regressor	Python	Anirban
24	Introductie tot reinforcement learning	Versterkend leren	Introductie tot versterkend leren met Q-Learning	Python	Dmitry
25	Help Peter de wolf te vermijden! 🐺	Versterkend leren	Reinforcement learning Gym	Python	Dmitry
Postscript	ML-scenario's en toepassingen in de echte wereld	ML in the Wild	Interessante en onthullende toepassingen uit de echte wereld van klassieke ML	Les	Team
Postscript	Modeldebugging in ML met behulp van de RAI-dashboard	ML in the Wild	Modeldebugging in machine learning met behulp van Responsible AI-dashboardcomponenten	Les	Ruth Yakubu

vind alle aanvullende bronnen voor deze cursus in onze Microsoft Learn-collectie

Offline-toegang

Je kunt deze documentatie offline uitvoeren met Docsify. Fork dit repo, installeer Docsify op je lokale machine, en typ vervolgens in de hoofdmap van dit repo docsify serve. De website wordt geserveerd op poort 3000 op je localhost: localhost:3000.

PDF's

Vind een pdf van het curriculum met links hier.

🎒 Andere cursussen

Ons team maakt ook andere cursussen! Bekijk:

LangChain

Azure / Edge / MCP / Agents

Generative AI-serie

Kernonderwerpen

Copilot-reeks

Hulp

Als je vastloopt of vragen hebt over het bouwen van AI-apps, sluit je dan aan bij medeleerlingen en ervaren ontwikkelaars in discussies over MCP. Het is een ondersteunende community waar vragen welkom zijn en kennis vrijelijk wordt gedeeld.

Als je productfeedback hebt of fouten tegenkomt tijdens het bouwen, bezoek:

Disclaimer: Dit document is vertaald met behulp van de AI-vertalingsdienst Co-op Translator. Hoewel wij naar nauwkeurigheid streven, dient u er rekening mee te houden dat geautomatiseerde vertalingen fouten of onnauwkeurigheden kunnen bevatten. Het oorspronkelijke document in de oorspronkelijke taal moet als de gezaghebbende bron worden beschouwd. Voor kritieke informatie wordt een professionele menselijke vertaling aanbevolen. Wij zijn niet aansprakelijk voor eventuele misverstanden of verkeerde interpretaties die voortvloeien uit het gebruik van deze vertaling.

30 KiB Raw Blame History Unescape Escape