34 KiB

Raw Blame History Unescape Escape

🌐 多言語対応

GitHub Actionによるサポート（自動化＆常に最新）

ローカルで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おり、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するにはスパースチェックアウトを使用してください：

Bash / macOS / Linux:
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'
CMD (Windows):
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"
コースを完了するのに必要なものがすべて揃い、より高速なダウンロードが可能です。

コミュニティに参加しよう

私たちはDiscordでAIと学ぶシリーズを実施中です。2025年9月18日から30日までの期間中、Learn with AI Seriesで詳細を確認し、参加してください。GitHub Copilotを使ったデータサイエンスのヒントやコツが得られます。

初心者向け機械学習 - カリキュラム

🌍 世界の文化を通じて機械学習を探検しながら世界を旅しよう 🌍

マイクロソフトのクラウドアドボケーツは、機械学習に関する12週間、26レッスンのカリキュラムを提供しています。このカリキュラムでは、主にScikit-learnライブラリを使った、いわゆる古典的機械学習について学びます。深層学習は、AI for Beginners' curriculumで扱っています。さらに、私たちの'Data Science for Beginners' curriculumと組み合わせて学習することをお勧めします。

世界中のデータにこれらの古典的な手法を適用しながら、一緒に旅しましょう。各レッスンには事前・事後のクイズ、書面による指示、解答例、課題などが含まれています。プロジェクトベースの教育法で、実際に作りながら学習でき、新しいスキルが定着しやすくなります。

✍️ 著者の皆様へ心から感謝します Jen Looper、Stephen Howell、Francesca Lazzeri、Tomomi Imura、Cassie Breviu、Dmitry Soshnikov、Chris Noring、Anirban Mukherjee、Ornella Altunyan、Ruth Yakubu、Amy Boyd

🎨 イラストレーターの皆様にも感謝 Tomomi Imura、Dasani Madipalli、Jen Looper

🙏 特別な感謝🙏 マイクロソフト学生アンバサダーの著者、レビュアー、コンテンツ協力者の皆様へ とりわけRishit Dagli、Muhammad Sakib Khan Inan、Rohan Raj、Alexandru Petrescu、Abhishek Jaiswal、Nawrin Tabassum、Ioan Samuila、Snigdha Agarwal

🤩 Rレッスンに特に感謝 Microsoft Student Ambassadors Eric Wanjau、Jasleen Sondhi、Vidushi Gupta！

はじめに

次の手順に従ってください：

リポジトリをフォークする: 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する: git clone https://github.com/microsoft/ML-For-Beginners.git

💡 クイックスタートのヒント: Pythonをローカルにセットアップせずブラウザで始めたいですか？GitHub Codespacesを使ってあなたのフォーク用のクラウド開発環境を作成しましょう。緑のCodeメニューを開き、Codespacesを選択してコードスペースを作成します。必要に応じて各レッスンの依存関係をインストールしてください。

このコースのすべての追加リソースはMicrosoft Learnコレクションで見つけられます

🔧 助けが必要ですか？ 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。

学生の方へ、このカリキュラムを利用するには、リポジトリ全体を自分のGitHubアカウントにフォークし、個人でまたはグループで演習を完了してください：

事前のクイズから始めます。
講義を読み、知識確認で立ち止まって振り返りながらアクティビティを完了します。
解答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してみてください。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。
講義後のクイズを受けます。
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終えたら、ディスカッションボードを訪れ、適切なPATルーブリックを記入して「声をあげて学びましょう」。PATはProgress Assessment Toolの略で、学習の進捗確認のために記入するルーブリックです。ほかのPATにもリアクションできますので、一緒に学びましょう。

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の受講をお勧めします。

先生方へ、このカリキュラムの活用方法について提案を含めています。

動画ウォークスルー

一部のレッスンは短い動画で利用可能です。これらはレッスン内に埋め込まれているほか、マイクロソフト開発者YouTubeチャンネルのML for Beginnersプレイリストでも確認でき、下の画像をクリックするとアクセスできます。

チーム紹介

Gif 作成者 Mohit Jaisal

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

教育理念

このカリキュラム構築にあたり、2つの教育原則を選びました：実践的なプロジェクトベースであることと、頻繁なクイズを含むことです。さらに、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。

内容をプロジェクトに合わせることで、学生の関心を引き付けやすくし、概念の定着を促します。また、授業前のライトなクイズで学生の学習意図を設定し、授業後のクイズでさらに理解を深めます。このカリキュラムは柔軟で楽しく、全編または一部だけで受講可能です。プロジェクトは小規模から始まり、12週間の最後には複雑になります。実世界の機械学習応用に関する追記も含まれており、追加の単位取得や議論の基盤として利用可能です。

行動規範、貢献ガイド、翻訳、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お待ちしています！

各レッスンに含まれるもの

任意のスケッチノート
任意の補足動画
動画ウォークスルー（一部のレッスンのみ）
事前講義ウォームアップクイズ
書面によるレッスン
プロジェクトベースのレッスンでは、プロジェクト作成のステップバイステップガイド
知識確認
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でも利用可能です。Rレッスンを完了するには、/solutionフォルダー内のRレッスンを探してください。.rmd拡張子が付いており、これはR Markdownファイルを意味します。R Markdownはコードチャンク（Rや他言語のコード）とYAMLヘッダー（PDFなどの出力フォーマット指定）をMarkdown文章に埋め込むための作者向けフレームワークです。そのため、コード、出力、考えを書き留めることができ、データサイエンスの執筆に最適です。さらに、R MarkdownはPDF、HTML、Wordなどの出力フォーマットにレンダリングできます。

クイズに関する注意: すべてのクイズはQuiz Appフォルダーに含まれており、合計52回、それぞれ3問です。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フォルダーの説明に従ってローカルホストまたはAzureデプロイできます。

Lesson Number	Topic	Lesson Grouping	Learning Objectives	Linked Lesson	Author
01	機械学習の紹介	Introduction	機械学習の基本的な概念を学びます	Lesson	Muhammad
02	機械学習の歴史	Introduction	この分野の歴史を学びます	Lesson	Jen and Amy
03	公平性と機械学習	Introduction	学生がMLモデルの構築と適用時に考慮すべき重要な公平性に関する哲学的問題は何ですか？	Lesson	Tomomi
04	機械学習の技術	Introduction	ML研究者がMLモデルを構築するために使用する技術は何ですか？	Lesson	Chris and Jen
05	回帰の紹介	Regression	回帰モデルのためのPythonとScikit-learnの使い方を始めましょう	Python • R	Jen • Eric Wanjau
06	北米のかぼちゃ価格 🎃	Regression	MLに向けてデータの可視化とクレンジングを行います	Python • R	Jen • Eric Wanjau
07	北米のかぼちゃ価格 🎃	Regression	線形回帰モデルと多項式回帰モデルを構築します	Python • R	Jen and Dmitry • Eric Wanjau
08	北米のかぼちゃ価格 🎃	Regression	ロジスティック回帰モデルを構築します	Python • R	Jen • Eric Wanjau
09	Webアプリ 🔌	Web App	訓練したモデルを使うWebアプリを作成します	Python	Jen
10	分類の紹介	Classification	データのクレンジング、準備、可視化；分類の紹介	Python • R	Jen and Cassie • Eric Wanjau
11	おいしいアジアとインドの料理 🍜	Classification	分類器の紹介	Python • R	Jen and Cassie • Eric Wanjau
12	おいしいアジアとインドの料理 🍜	Classification	さらなる分類器	Python • R	Jen and Cassie • Eric Wanjau
13	おいしいアジアとインドの料理 🍜	Classification	あなたのモデルを使ったレコメンダーWebアプリの作成	Python	Jen
14	クラスタリングの紹介	Clustering	データのクレンジング、準備、可視化；クラスタリングの紹介	Python • R	Jen • Eric Wanjau
15	ナイジェリアの音楽の嗜好を探る 🎧	Clustering	K-平均クラスタリング手法を探る	Python • R	Jen • Eric Wanjau
16	自然言語処理の紹介 ☕️	Natural language processing	シンプルなボットを作りながらNLPの基礎を学ぶ	Python	Stephen
17	一般的なNLPタスク ☕️	Natural language processing	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 ♥️	Natural language processing	ジェーン・オースティンの翻訳と感情分析	Python	Stephen
19	ヨーロッパのロマンチックホテル ♥️	Natural language processing	ホテルのレビューによる感情分析1	Python	Stephen
20	ヨーロッパのロマンチックホテル ♥️	Natural language processing	ホテルのレビューによる感情分析2	Python	Stephen
21	時系列予測の紹介	Time series	時系列予測の紹介	Python	Francesca
22	⚡️ 世界の電力使用量 ⚡️ - ARIMAを用いた時系列予測	Time series	ARIMAによる時系列予測	Python	Francesca
23	⚡️ 世界の電力使用量 ⚡️ - SVRを用いた時系列予測	Time series	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	Reinforcement learning	Q-学習による強化学習の紹介	Python	Dmitry
25	ピーターをオオカミから守ろう! 🐺	Reinforcement learning	強化学習用Gym	Python	Dmitry
ポストスクリプト	実世界のMLシナリオと応用	ML in the Wild	古典的なMLの興味深く啓発的な実世界の応用例	Lesson	チーム
ポストスクリプト	RAIダッシュボードを使った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った機械学習のモデルデバッグ	Lesson	Ruth Yakubu

このコースの追加リソースはMicrosoft Learnコレクションで見つけてください

オフラインアクセス

Docsifyを使用して、このドキュメントをオフラインで実行できます。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、このリポジトリのルートフォルダで docsify serve を入力してください。ウェブサイトはlocalhostのポート3000で提供されます: localhost:3000。

PDF

カリキュラムのPDF版とリンクはこちらから見つけられます here。

🎒 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 / エージェント

生成AIシリーズ

コアラーニング

Copilot シリーズ

ヘルプを得る

機械学習を学習したりAIアプリケーションを構築している途中で困ったり質問がある場合でも、ご安心ください — ヘルプは利用可能です。

他の学習者や開発者とディスカッションに参加し、質問をしたり、アイデアをコミュニティと共有することができます。

コミュニティに参加して質問したり他の人と学ぶ
機械学習の概念やプロジェクトのアイデアを議論する
経験豊富な開発者からの指導を受ける

スポーティブなコミュニティはスキルを伸ばし問題をより早く解決するための優れた方法です。

Microsoft Foundry Discord Community

バグやエラーが発生した場合、または改善の提案があれば、このリポジトリにIssueを開いて問題を報告することもできます。

製品フィードバックや既存のコミュニティ投稿を検索したい場合は、開発者フォーラムをご覧ください:

追加の学習ヒント

各レッスン後にノートブックを復習して理解を深めましょう。
アルゴリズムを自分で実装する練習をしましょう。
学んだ概念を使って実世界のデータセットを探索しましょう。

免責事項：本書類は AI 翻訳サービス Co-op Translator を使用して翻訳されています。正確性を期していますが、自動翻訳には誤りや不正確な部分が含まれる可能性があることをご承知おきください。原文の原語版が正式な情報源とみなされるべきです。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や解釈違いについても、当方は責任を負いかねます。

34 KiB Raw Blame History Unescape Escape