ML-For-Beginners/translations/ja

🌐 多言語対応

GitHub Action によるサポート（自動＆常に最新）

Arabic | Bengali | Bulgarian | Burmese (Myanmar) | Chinese (Simplified) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Macau) | Chinese (Traditional, Taiwan) | Croatian | Czech | Danish | Dutch | Estonian | Finnish | French | German | Greek | Hebrew | Hindi | Hungarian | Indonesian | Italian | Japanese | Kannada | Korean | Lithuanian | Malay | Malayalam | Marathi | Nepali | Nigerian Pidgin | Norwegian | Persian (Farsi) | Polish | Portuguese (Brazil) | Portuguese (Portugal) | Punjabi (Gurmukhi) | Romanian | Russian | Serbian (Cyrillic) | Slovak | Slovenian | Spanish | Swahili | Swedish | Tagalog (Filipino) | Tamil | Telugu | Thai | Turkish | Ukrainian | Urdu | Vietnamese

ローカルにクローンするのが好みですか？

このリポジトリには50以上の言語の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：

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'

これにより、コースを完了するために必要なすべてがより高速にダウンロードできます。

コミュニティに参加しよう

私たちはDiscordでAIと共に学ぶシリーズを開催しています。詳細と参加はこちら：Learn with AI Series （2025年9月18日～30日）。GitHub Copilotを活用したデータサイエンスのコツを学べます。

Machine Learning for Beginners - カリキュラム

🌍 世界の文化を通じて機械学習を探求する旅へようこそ 🌍

MicrosoftのCloud Advocatesは、機械学習に関する12週間・全26レッスンのカリキュラムを提供します。このカリキュラムでは、主にScikit-learnを使用し、深層学習を避ける「古典的な機械学習」と呼ばれるものを学びます。深層学習は私たちのAI for Beginnersのカリキュラムで扱っています。また、Data Science for Beginnersのカリキュラムと組み合わせるのもおすすめです。

世界各地のデータに古典的な手法を適用しながら旅をしましょう。各レッスンには事前・事後のクイズ、レッスン完了に必要な書面の指示、解答例、課題などが含まれます。プロジェクトベースの教育法により、学習しながら実際に作成し、スキルの習得を促進します。

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

🎨 イラスト作成に感謝 Tomomi Imura、Dasani Madipalli、Jen Looper

🙏 特別な感謝 🙏 Microsoft Student Ambassadorの執筆者、レビュアー、コンテンツ寄稿者へ 特にRishit Dagli、Muhammad Sakib Khan Inan、Rohan Raj、Alexandru Petrescu、Abhishek Jaiswal、Nawrin Tabassum、Ioan Samuila、Snigdha Agarwal

🤩 Microsoft Student Ambassadors Eric Wanjau、Jasleen Sondhi、Vidushi Gupta に特別感謝！Rレッスンを担当

始め方

次の手順に従ってください:

1. リポジトリをフォーク：このページ右上の「Fork」ボタンをクリック。
2. リポジトリをクローン：git clone https://github.com/microsoft/ML-For-Beginners.git

このコースの追加リソースはMicrosoft Learnのコレクションにあります

🔧 困ったら？ トラブルシューティングガイドをご覧ください。インストール、セットアップ、レッスン実行のよくある問題の解決策を掲載しています。

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

• 事前講義クイズから始める。
• 講義を読み、各知識チェックで停止して理解を深めながらアクティビティを完了。
• 解答コードを実行するよりも、レッスンを理解してプロジェクトを自作することに挑戦。解答コードは各プロジェクトレッスンの /solution フォルダにあります。
• 事後講義クイズを受ける。
• チャレンジを完了する。
• 課題を完了する。
• レッスングループを終えたら、ディスカッションボードで適切なPATルーブリックを記入し「学びを声に出そう」。PAT（Progress Assessment Tool）は、学習の進捗を評価・強化するためのルーブリックです。他のPATにもリアクションし、共に学べます。

さらに学習を深めるには、これらのMicrosoft Learnモジュールや学習パスの受講をおすすめします。

先生方へ、このカリキュラムの効果的な使い方についていくつかの提案を用意しています。

---

ビデオウォークスルー

一部のレッスンは短い動画でご覧いただけます。これらはレッスン内にインラインであるほか、Microsoft Developer YouTubeチャンネルのML for Beginnersプレイリストでも視聴可能です。下の画像をクリックしてください。

---

チーム紹介

GIF作成 Mohit Jaisal

🎥 プロジェクトや開発メンバーについての動画は上の画像をクリック！

---

教育方針

このカリキュラムは「実践的なプロジェクトベース」と「頻繁なクイズ」を柱としています。また、統一感を持たせるため共通の「テーマ」も設定しています。

プロジェクトと連動した内容により、学習への没入感が高まり、概念の定着が進みます。クラス前の低リスクなクイズは学生の学習意欲を高め、クラス後のもう一つのクイズは理解の深化を助けます。全体として柔軟かつ楽しく取り組めるよう設計されており、12週間サイクルの終わりにはより複雑な課題も含まれます。付録として実社会でのML応用例もあり、追加の課題や議論の素材として利用可能です。

行動規範、貢献ガイドライン、翻訳ガイド、トラブルシューティングもご覧ください。建設的なフィードバックを歓迎します！

各レッスンに含まれるもの

• オプションのスケッチノート
• オプションの補足動画
• ビデオウォークスルー（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レッスンでは、プロジェクト構築のステップバイステップガイド
• 知識チェック
• チャレンジ
• 補足読書
• 課題
• 事後講義クイズ

言語についての注記：このレッスンは主にPythonで書かれていますが、多くはRでも提供されています。Rレッスンを完了するには、/solution フォルダ内のRレッスンを探してください。これらは.rmd拡張子を持ち、R Markdownファイルを表しています。R Markdownは、コードチャンク（Rや他の言語）と、出力形式（PDFなど）を定義するYAMLヘッダーをMarkdownドキュメント内に組み込んだものです。これにより、コード、出力、考えをMarkdownで記述しつつ統合できる、データサイエンス向けの優れた著述フレームワークとなっています。また、R MarkdownドキュメントはPDF、HTML、Wordなどの形式にレンダリング可能です。 クイズについての注意: すべてのクイズはQuiz Appフォルダーに収められており、3問ずつ全52クイズがあります。レッスン内からリンクされていますが、quiz appはローカルで実行可能です。ローカルホスティングまたはAzureへのデプロイ方法はquiz-appフォルダー内の指示に従ってください。

レッスン番号	トピック	レッスングループ	学習目標	リンクされたレッスン	著者
01	機械学習の紹介	Introduction	機械学習の基本概念を学ぶ	レッスン	Muhammad
02	機械学習の歴史	Introduction	この分野の歴史を学ぶ	レッスン	Jen and Amy
03	公平性と機械学習	Introduction	MLモデル構築と応用にあたり学生が考慮すべき重要な公平性に関する哲学的課題は何か？	レッスン	Tomomi
04	機械学習の技術	Introduction	ML研究者がMLモデル構築に使う技術は何か？	レッスン	Chris and Jen
05	回帰の紹介	Regression	PythonとScikit-learnで回帰モデルを始める	Python • R	Jen • Eric Wanjau
06	北米のカボチャ価格 🎃	Regression	MLのためにデータを可視化しクリーニングする	Python • R	Jen • Eric Wanjau
07	北米のカボチャ価格 🎃	Regression	線形および多項式回帰モデルを構築する	Python • R	Jen and Dmitry • Eric Wanjau
08	北米のカボチャ価格 🎃	Regression	ロジスティック回帰モデルを構築する	Python • R	Jen • Eric Wanjau
09	Webアプリ 🔌	Web App	学習済みモデルを使用するWebアプリを構築する	Python	Jen
10	分類入門	Classification	データをクリーニング・準備・可視化する；分類入門	Python • R	Jen and Cassie • Eric Wanjau
11	美味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	美味しいアジアとインドの料理 🍜	Classification	より多くの分類器	Python • R	Jen and Cassie • Eric Wanjau
13	美味しいアジアとインドの料理 🍜	Classification	モデルを使ったレコメンダーWebアプリを構築する	Python	Jen
14	クラスタリング入門	Clustering	データのクリーニング・準備・可視化；クラスタリング入門	Python • R	Jen • Eric Wanjau
15	ナイジェリアの音楽の趣味 🎧	Clustering	K-Meansクラスタリング手法を探求	Python • R	Jen • Eric Wanjau
16	自然言語処理入門 ☕️	Natural language processing	シンプルなボットを作って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・オースティンの作品による翻訳と感情分析	Python	Stephen
19	ヨーロッパのロマンチックなホテル ♥️	Natural language processing	ホテル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なホテル ♥️	Natural language processing	ホテルレビューによる感情分析 2	Python	Stephen
21	時系列予測入門	Time series	時系列予測入門	Python	Francesca
22	⚡️ 世界の電力使用量 ⚡️ - ARIMAによる時系列予測	Time series	ARIMAによる時系列予測	Python	Francesca
23	⚡️ 世界の電力使用量 ⚡️ - SVRによる時系列予測	Time series	サポートベクター回帰による時系列予測	Python	Anirban
24	強化学習入門	Reinforcement learning	Qラーニングを使った強化学習入門	Python	Dmitry
25	ピーターがオオカミを避けるのを助けよう！ 🐺	Reinforcement learning	Gymによる強化学習	Python	Dmitry
ポストスクリプト	現実世界のMLシナリオと応用	ML in the Wild	古典的MLの興味深く示唆的な現実世界応用	レッスン	チーム
ポストスクリプト	RAIダッシュボードを用いたML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活用した機械学習におけるモデルデバッグ	レッスン	Ruth Yakubu

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

オフラインアクセス

Docsifyを使って、このドキュメントをオフラインで利用できます。このリポジトリをフォークし、ローカルマシンにDocsifyをインストールしてから、このリポジトリのルートフォルダーで docsify serve を実行してください。ウェブサイトはローカルホストのポート3000で提供されます：localhost:3000。

PDF

カリキュラムのpdf（リンク付き）はこちらにあります: 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！ぜひチェックしてください：

LangChain

---

Azure / Edge / MCP / Agents

---

Generative AI Series

---

コアラーニング

---

コパイロットシリーズ

ヘルプの取得

AIアプリの構築で行き詰まったり質問がある場合は、MCPの学習者や経験豊富な開発者たちとディスカッションに参加しましょう。質問が歓迎され、知識が自由に共有されるサポートコミュニティです。

製品のフィードバックや構築中のエラーについては以下をご覧ください：

---

免責事項：
本ドキュメントはAI翻訳サービス「Co-op Translator」（https://github.com/Azure/co-op-translator）を使用して翻訳されました。正確性には努めておりますが、自動翻訳には誤りや不正確な箇所が含まれる可能性があることをご承知おきください。原文の言語によるオリジナルの文書が正式な情報源とみなされます。重要な情報については、専門の翻訳者による人力翻訳を推奨いたします。本翻訳の利用により生じたいかなる誤解や誤訳についても責任を負いかねます。