|
|
[](https://github.com/microsoft/ML-For-Beginners/blob/master/LICENSE)
|
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/graphs/contributors/)
|
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/issues/)
|
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/pulls/)
|
|
|
[](http://makeapullrequest.com)
|
|
|
|
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/watchers/)
|
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/network/)
|
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/stargazers/)
|
|
|
|
|
|
### 🌐 多语言支持
|
|
|
|
|
|
#### 通过 GitHub Action 支持（自动且始终保持最新）
|
|
|
|
|
|
<!-- CO-OP TRANSLATOR LANGUAGES TABLE START -->
|
|
|
[阿拉伯语](../ar/README.md) | [孟加拉语](../bn/README.md) | [保加利亚语](../bg/README.md) | [缅甸语（Myanmar）](../my/README.md) | [中文（简体）](./README.md) | [中文（繁体，香港）](../zh-HK/README.md) | [中文（繁体，澳门）](../zh-MO/README.md) | [中文（繁体，台湾）](../zh-TW/README.md) | [克罗地亚语](../hr/README.md) | [捷克语](../cs/README.md) | [丹麦语](../da/README.md) | [荷兰语](../nl/README.md) | [爱沙尼亚语](../et/README.md) | [芬兰语](../fi/README.md) | [法语](../fr/README.md) | [德语](../de/README.md) | [希腊语](../el/README.md) | [希伯来语](../he/README.md) | [印地语](../hi/README.md) | [匈牙利语](../hu/README.md) | [印尼语](../id/README.md) | [意大利语](../it/README.md) | [日语](../ja/README.md) | [卡纳达语](../kn/README.md) | [高棉语](../km/README.md) | [韩语](../ko/README.md) | [立陶宛语](../lt/README.md) | [马来语](../ms/README.md) | [马拉雅拉姆语](../ml/README.md) | [马拉地语](../mr/README.md) | [尼泊尔语](../ne/README.md) | [尼日利亚皮钦语](../pcm/README.md) | [挪威语](../no/README.md) | [波斯语（法尔西语）](../fa/README.md) | [波兰语](../pl/README.md) | [葡萄牙语（巴西）](../pt-BR/README.md) | [葡萄牙语（葡萄牙）](../pt-PT/README.md) | [旁遮普语（古鲁姆克希文）](../pa/README.md) | [罗马尼亚语](../ro/README.md) | [俄语](../ru/README.md) | [塞尔维亚语（西里尔文）](../sr/README.md) | [斯洛伐克语](../sk/README.md) | [斯洛文尼亚语](../sl/README.md) | [西班牙语](../es/README.md) | [斯瓦希里语](../sw/README.md) | [瑞典语](../sv/README.md) | [塔加洛语（菲律宾语）](../tl/README.md) | [泰米尔语](../ta/README.md) | [泰卢固语](../te/README.md) | [泰语](../th/README.md) | [土耳其语](../tr/README.md) | [乌克兰语](../uk/README.md) | [乌尔都语](../ur/README.md) | [越南语](../vi/README.md)
|
|
|
|
|
|
> **更倾向于本地克隆？**
|
|
|
>
|
|
|
> 本仓库包含 50 多种语言翻译，显著增加了下载大小。若想克隆时不包含翻译，请使用稀疏检出：
|
|
|
>
|
|
|
> **Bash / macOS / Linux：**
|
|
|
> ```bash
|
|
|
> 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）：**
|
|
|
> ```cmd
|
|
|
> 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"
|
|
|
> ```
|
|
|
>
|
|
|
> 这给您提供完成课程所需的一切，且下载速度更快。
|
|
|
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
|
|
|
|
|
|
#### 加入我们的社区
|
|
|
|
|
|
[](https://discord.gg/nTYy5BXMWG)
|
|
|
|
|
|
我们正在进行 Discord 的 AI 学习系列，更多详情并欢迎加入：[Learn with AI Series](https://aka.ms/learnwithai/discord)，时间为 2025 年 9 月 18 日至 30 日。您将获得使用 GitHub Copilot 进行数据科学的技巧和窍门。
|
|
|
|
|
|
|
|
|
|
|
|
# 初学者机器学习课程大纲
|
|
|
|
|
|
> 🌍 以世界文化为媒介环游世界，共同探索机器学习 🌍
|
|
|
|
|
|
微软云倡导者高兴地推出一门为期 12 周、共 26 课的课程，全部聚焦于<strong>机器学习</strong>。在本课程中，您将学习常称为<strong>经典机器学习</strong>的内容，主要使用 Scikit-learn 库，避免涉及深度学习部分，后者包含在我们的[初学者 AI 课程](https://aka.ms/ai4beginners)中。您还可以将本课程与我们的[初学者数据科学课程](https://aka.ms/ds4beginners)配合学习。
|
|
|
|
|
|
跟随我们环游世界，将这些经典技巧应用于来自多个地区的数据。每节课包含课前和课后测验、完成课程所需的书面说明、解决方案、作业等。我们基于项目的教学法让您边学边做，是新技能牢固掌握的有效方式。
|
|
|
|
|
|
**✍️ 衷心感谢我们的作者** Jen Looper，Stephen Howell，Francesca Lazzeri，Tomomi Imura，Cassie Breviu，Dmitry Soshnikov，Chris Noring，Anirban Mukherjee，Ornella Altunyan，Ruth Yakubu 和 Amy Boyd
|
|
|
|
|
|
**🎨 也感谢我们的插画师** Tomomi Imura，Dasani Madipalli 和 Jen Looper
|
|
|
|
|
|
**🙏 特别感谢我们的微软学生大使作者、审稿人和内容贡献者**，尤其是 Rishit Dagli，Muhammad Sakib Khan Inan，Rohan Raj，Alexandru Petrescu，Abhishek Jaiswal，Nawrin Tabassum，Ioan Samuila 和 Snigdha Agarwal
|
|
|
|
|
|
**🤩 额外感谢微软学生大使 Eric Wanjau，Jasleen Sondhi 和 Vidushi Gupta 贡献 R 语言课程！**
|
|
|
|
|
|
# 快速入门
|
|
|
|
|
|
按照以下步骤操作：
|
|
|
1. **Fork 仓库**：点击本页右上角的“Fork”按钮。
|
|
|
2. <strong>克隆仓库</strong>： `git clone https://github.com/microsoft/ML-For-Beginners.git`
|
|
|
|
|
|
> 💡 **快速开始提示：** 想在浏览器中开始而无需本地设置 Python？使用 [GitHub Codespaces](https://github.com/features/codespaces) 为您的 fork 创建云端开发环境。打开绿色的 **Code** 菜单，选择 **Codespaces**，创建代码空间；根据需要在其中安装每节课所需依赖。
|
|
|
|
|
|
> [在我们的 Microsoft Learn 集合中查找本课程的所有附加资源](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
|
|
|
|
|
|
> 🔧 **需要帮助？** 查看我们的 [故障排查指南](TROUBLESHOOTING.md)，其中有安装、设置和运行课程的常见问题解决方案。
|
|
|
|
|
|
|
|
|
**[学生](https://aka.ms/student-page)**，要使用本课程，请将整个仓库 Fork 到您自己的 GitHub 账户，并独立或组队完成练习：
|
|
|
|
|
|
- 从课前测验开始。
|
|
|
- 阅读课程并完成活动，每个知识点暂停思考。
|
|
|
- 尽量通过理解课程内容自行创建项目，而非直接运行解决方案代码；不过，解决方案代码可在每个面向项目的课程的 `/solution` 文件夹中找到。
|
|
|
- 参加课后测验。
|
|
|
- 完成挑战。
|
|
|
- 完成作业。
|
|
|
- 完成一组课程后，访问 [讨论区](https://github.com/microsoft/ML-For-Beginners/discussions)，通过填写相应的 PAT 评分标准表“声声发声”学习。‘PAT’即进展评估工具，是您填写的评分表，辅助深化学习。您也可针对他人的 PAT 进行反馈，共同进步。
|
|
|
|
|
|
> 进一步学习，我们推荐以下 [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) 模块和学习路径。
|
|
|
|
|
|
<strong>教师</strong>，我们提供了[使用本课程的一些建议](for-teachers.md)。
|
|
|
|
|
|
---
|
|
|
|
|
|
## 视频讲解
|
|
|
|
|
|
部分课程有短视频讲解。您可在课程中直接观看，或点击下方图片访问[Microsoft Developer YouTube 频道中的 ML for Beginners 播放列表](https://aka.ms/ml-beginners-videos)。
|
|
|
|
|
|
[](https://aka.ms/ml-beginners-videos)
|
|
|
|
|
|
---
|
|
|
|
|
|
## 团队介绍
|
|
|
|
|
|
[](https://youtu.be/Tj1XWrDSYJU)
|
|
|
|
|
|
<strong>动图作者</strong> [Mohit Jaisal](https://linkedin.com/in/mohitjaisal)
|
|
|
|
|
|
> 🎥 点击上方图片观看关于本项目及其创建者的视频！
|
|
|
|
|
|
---
|
|
|
|
|
|
## 教学法
|
|
|
|
|
|
我们在构建本课程时遵循两大教学原则：确保课程为动手<strong>项目驱动</strong>且包含<strong>频繁测验</strong>。此外，课程围绕一个共同的<strong>主题</strong>以增强连贯性。
|
|
|
|
|
|
确保内容与项目匹配，使学习过程更具吸引力，同时增强概念的记忆。此外，课堂前的低难度测验帮助学生设定学习目标，课后的测验则加深记忆。课程设计灵活且有趣，可整体或分部分学习。项目由浅入深，12 周周期结束时难度增大。课程还包含关于机器学习实际应用的附录，可用作额外学分或讨论基础。
|
|
|
|
|
|
> 查看我们的[行为准则](CODE_OF_CONDUCT.md)、[贡献指南](CONTRIBUTING.md)、[翻译指南](..)、[故障排查](TROUBLESHOOTING.md) 文件。欢迎您提出建设性反馈！
|
|
|
|
|
|
## 每节课包含
|
|
|
|
|
|
- 可选手绘笔记
|
|
|
- 可选补充视频
|
|
|
- 视频讲解（仅部分课程）
|
|
|
- [课前热身测验](https://ff-quizzes.netlify.app/en/ml/)
|
|
|
- 书面课程内容
|
|
|
- 对于项目驱动的课程，提供分步骤项目构建指南
|
|
|
- 知识点检测
|
|
|
- 挑战
|
|
|
- 补充阅读材料
|
|
|
- 作业
|
|
|
- [课后测验](https://ff-quizzes.netlify.app/en/ml/)
|
|
|
|
|
|
> <strong>语言说明</strong>：本课程主要用 Python 编写，但许多课程也提供 R 版本。要完成 R 课程，请前往 `/solution` 文件夹查找 R 课程。这些文件带有 .rmd 扩展名，代表 **R Markdown** 文件，它是一种将 `代码块`（R 或其他语言）与 `YAML 头部`（控制输出格式如 PDF）嵌入到 `Markdown 文档` 中的框架。因此，它是数据科学的优秀创作框架，让您能够将代码、输出和想法结合，并用 Markdown 记录。此外，R Markdown 文档可输出为 PDF、HTML 或 Word 格式。
|
|
|
|
|
|
> <strong>测验说明</strong>：所有测验均包含在 [Quiz App 文件夹](../../quiz-app) 中，共 52 次测验，每次 3 道题。测验可在课程内链接访问，也可本地运行；有关本地托管或部署到 Azure 的说明，请参阅 `quiz-app` 文件夹。
|
|
|
|
|
|
| 课程编号 | 主题 | 课程分组 | 学习目标 | 关联课程 | 作者 |
|
|
|
| :-----------: | :------------------------------------------------------------: | :-------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: |
|
|
|
| 01 | 机器学习简介 | [Introduction](1-Introduction/README.md) | 学习机器学习背后的基本概念 | [Lesson](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
|
|
|
| 02 | 机器学习的历史 | [Introduction](1-Introduction/README.md) | 了解该领域的历史 | [Lesson](1-Introduction/2-history-of-ML/README.md) | Jen and Amy |
|
|
|
| 03 | 公平性与机器学习 | [Introduction](1-Introduction/README.md) | 学生在构建和应用机器学习模型时应考虑的重要公平性哲学问题 | [Lesson](1-Introduction/3-fairness/README.md) | Tomomi |
|
|
|
| 04 | 机器学习技术 | [Introduction](1-Introduction/README.md) | 机器学习研究人员用来构建模型的技术有哪些？ | [Lesson](1-Introduction/4-techniques-of-ML/README.md) | Chris and Jen |
|
|
|
| 05 | 回归简介 | [Regression](2-Regression/README.md) | 使用 Python 和 Scikit-learn 开始回归模型 | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
|
|
|
| 06 | 北美南瓜价格 🎃 | [Regression](2-Regression/README.md) | 为机器学习准备数据的可视化和清理 | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau |
|
|
|
| 07 | 北美南瓜价格 🎃 | [Regression](2-Regression/README.md) | 构建线性和多项式回归模型 | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen and Dmitry • Eric Wanjau |
|
|
|
| 08 | 北美南瓜价格 🎃 | [Regression](2-Regression/README.md) | 构建逻辑回归模型 | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau |
|
|
|
| 09 | 一个网页应用 🔌 | [Web App](3-Web-App/README.md) | 构建一个使用训练模型的网页应用 | [Python](3-Web-App/1-Web-App/README.md) | Jen |
|
|
|
| 10 | 分类简介 | [Classification](4-Classification/README.md) | 清理、准备和可视化数据；分类简介 | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen and Cassie • Eric Wanjau |
|
|
|
| 11 | 美味的亚洲和印度美食 🍜 | [Classification](4-Classification/README.md) | 分类器简介 | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen and Cassie • Eric Wanjau |
|
|
|
| 12 | 美味的亚洲和印度美食 🍜 | [Classification](4-Classification/README.md) | 更多分类器 | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen and Cassie • Eric Wanjau |
|
|
|
| 13 | 美味的亚洲和印度美食 🍜 | [Classification](4-Classification/README.md) | 使用模型构建推荐网页应用 | [Python](4-Classification/4-Applied/README.md) | Jen |
|
|
|
| 14 | 聚类简介 | [Clustering](5-Clustering/README.md) | 清理、准备和可视化数据；聚类简介 | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
|
|
|
| 15 | 探索尼日利亚音乐品味 🎧 | [Clustering](5-Clustering/README.md) | 探索 K-均值聚类方法 | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau |
|
|
|
| 16 | 自然语言处理简介 ☕️ | [Natural language processing](6-NLP/README.md) | 通过构建一个简单的机器人了解 NLP 的基础 | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
|
|
|
| 17 | 常见的 NLP 任务 ☕️ | [Natural language processing](6-NLP/README.md) | 通过了解处理语言结构时常见任务来加深对 NLP 的理解 | [Python](6-NLP/2-Tasks/README.md) | Stephen |
|
|
|
| 18 | 翻译与情感分析 ♥️ | [Natural language processing](6-NLP/README.md) | 使用简·奥斯汀进行翻译与情感分析 | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen |
|
|
|
| 19 | 欧洲浪漫酒店 ♥️ | [Natural language processing](6-NLP/README.md) | 使用酒店评论进行情感分析 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen |
|
|
|
| 20 | 欧洲浪漫酒店 ♥️ | [Natural language processing](6-NLP/README.md) | 使用酒店评论进行情感分析 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen |
|
|
|
| 21 | 时间序列预测简介 | [Time series](7-TimeSeries/README.md) | 时间序列预测简介 | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca |
|
|
|
| 22 | ⚡️ 世界电力使用 ⚡️ - 使用 ARIMA 进行时间序列预测 | [Time series](7-TimeSeries/README.md) | 使用 ARIMA 进行时间序列预测 | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca |
|
|
|
| 23 | ⚡️ 世界电力使用 ⚡️ - 使用 SVR 进行时间序列预测 | [Time series](7-TimeSeries/README.md) | 使用支持向量回归进行时间序列预测 | [Python](7-TimeSeries/3-SVR/README.md) | Anirban |
|
|
|
| 24 | 强化学习简介 | [Reinforcement learning](8-Reinforcement/README.md) | 使用 Q-Learning 介绍强化学习 | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry |
|
|
|
| 25 | 帮助彼得避开狼！🐺 | [Reinforcement learning](8-Reinforcement/README.md) | 强化学习 Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry |
|
|
|
| 后记 | 真实世界的机器学习场景和应用 | [ML in the Wild](9-Real-World/README.md) | 经典机器学习在现实中的有趣且启发性的应用 | [Lesson](9-Real-World/1-Applications/README.md) | Team |
|
|
|
| 后记 | 使用 RAI 仪表盘进行机器学习模型调试 | [ML in the Wild](9-Real-World/README.md) | 使用 Responsible AI 仪表盘组件进行机器学习模型调试 | [Lesson](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
|
|
|
|
|
|
> [在我们的 Microsoft Learn 集合中查找此课程的所有额外资源](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
|
|
|
|
|
|
## 离线访问
|
|
|
|
|
|
您可以使用 [Docsify](https://docsify.js.org/#/) 离线运行本文档。Fork 本仓库，在您的本地机器上[安装 Docsify](https://docsify.js.org/#/quickstart)，然后在本仓库的根文件夹中输入 `docsify serve`。网站将在本地主机的 3000 端口提供服务：`localhost:3000`。
|
|
|
|
|
|
## PDF 文件
|
|
|
|
|
|
可在[此处](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf)找到带有链接的课程 PDF。
|
|
|
|
|
|
|
|
|
## 🎒 其他课程
|
|
|
|
|
|
我们的团队还制作了其他课程！请查看：
|
|
|
|
|
|
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
|
|
|
### LangChain
|
|
|
[](https://aka.ms/langchain4j-for-beginners)
|
|
|
[](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
|
|
|
[](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
|
|
|
---
|
|
|
|
|
|
### Azure / Edge / MCP / 代理
|
|
|
[](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
|
|
|
---
|
|
|
|
|
|
### 生成式 AI 系列
|
|
|
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
|
|
|
[-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
|
|
|
[-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
|
|
|
|
|
|
---
|
|
|
|
|
|
### 核心学习
|
|
|
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
|
|
|
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
|
|
|
---
|
|
|
|
|
|
### Copilot 系列
|
|
|
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
|
|
|
[](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst)
|
|
|
<!-- CO-OP TRANSLATOR OTHER COURSES END -->
|
|
|
|
|
|
## 获取帮助
|
|
|
|
|
|
如果在学习机器学习或构建 AI 应用时遇到困难或有疑问，不用担心——有帮助资源可以利用。
|
|
|
|
|
|
您可以加入与其他学习者和开发者的讨论，提出问题，并与社区分享您的想法。
|
|
|
|
|
|
- 加入社区，提问并与他人一起学习
|
|
|
- 讨论机器学习概念和项目想法
|
|
|
- 从经验丰富的开发者处获得指导
|
|
|
|
|
|
一个支持性的社区是提升技能和更快解决问题的好方式。
|
|
|
|
|
|
[Microsoft Foundry Discord 社区](https://discord.gg/nTYy5BXMWG)
|
|
|
|
|
|
如果您遇到错误、故障或有改进建议，也可以在本仓库中打开 **Issue** 报告问题。
|
|
|
|
|
|
如需产品反馈或搜索现有社区帖子，请访问开发者论坛：
|
|
|
|
|
|
[](https://aka.ms/foundry/forum)
|
|
|
|
|
|
## 额外学习建议
|
|
|
|
|
|
- 课后复习笔记本以更好理解。
|
|
|
- 自主练习实现算法。
|
|
|
- 使用学到的知识探索真实世界的数据集。
|
|
|
|
|
|
---
|
|
|
|
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
|
|
|
**免责声明**：
|
|
|
本文件由 AI 翻译服务 [Co-op Translator](https://github.com/Azure/co-op-translator) 翻译完成。尽管我们力求准确，但请注意，自动翻译可能包含错误或不准确之处。原始语言版文件应视为权威来源。对于重要信息，建议使用专业人工翻译。我们对因使用本翻译而产生的任何误解或误释不承担责任。
|
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER END --> |
