ML-For-Beginners/translations/mo

🌐 多語言支援

透過 GitHub Action 支援（自動化及持續更新）

阿拉伯文 | 孟加拉文 | 保加利亞文 | 緬甸文 (緬甸) | 中文 (簡體) | 中文 (繁體，香港) | 中文 (繁體，澳門) | 中文 (繁體，台灣) | 克羅地亞文 | 捷克文 | 丹麥文 | 荷蘭文 | 愛沙尼亞文 | 芬蘭文 | 法文 | 德文 | 希臘文 | 希伯來文 | 印地文 | 匈牙利文 | 印尼文 | 意大利文 | 日文 | 坎納達文 | 韓文 | 立陶宛文 | 馬來文 | 馬拉雅拉姆文 | 馬拉地文 | 尼泊爾文 | 奈及利亞皮欽語 | 挪威文 | 波斯文 (法爾斯文) | 波蘭文 | 葡萄牙文 (巴西) | 葡萄牙文 (葡萄牙) | 旁遮普文 (古魯穆奇文) | 羅馬尼亞文 | 俄文 | 塞爾維亞文 (西里爾文) | 斯洛伐克文 | 斯洛維尼亞文 | 西班牙文 | 斯瓦希里文 | 瑞典文 | 他加祿文 (菲律賓語) | 泰米爾文 | 泰盧固文 | 泰文 | 土耳其文 | 烏克蘭文 | 烏爾都文 | 越南文

想本地化複製？

本存儲庫包含超過50種語言的翻譯檔案，因此下載大小大幅增加。若想不下載翻譯而只複製部分，請使用 sparse checkout：

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'

如此能更快速下載，並獲得完成功課所需的一切內容。

加入我們的社群

我們目前舉辦 Discord AI 學習系列，歡迎於 2025 年 9 月 18 日至 30 日加入並了解詳情：Learn with AI Series。您將獲得使用 GitHub Copilot 助力資料科學的技巧與秘訣。

初學者的機器學習課程

🌍 跟隨我們以世界文化為載體探索機器學習 🌍

微軟的 Cloud Advocates 很高興提供一套為期 12 週、包含 26 節課的機器學習課程。在此課程中，您將學習所謂的經典機器學習，主要使用 Scikit-learn 函式庫，並避免深度學習（深度學習可參考我們的初學者人工智能課程）。同時，也建議搭配我們的初學者資料科學課程一起學習！

跟我們一起環遊世界，將這些經典方法應用於各地的資料。每堂課都包含課前與課後小測驗，書面指導、解答、作業及更多。透過以專案為基礎的教學法，讓您在實作中學習，是有效掌握新技能的方式。

✍️ 衷心感謝我們的作者 Jen Looper、Stephen Howell、Francesca Lazzeri、Tomomi Imura、Cassie Breviu、Dmitry Soshnikov、Chris Noring、Anirban Mukherjee、Ornella Altunyan、Ruth Yakubu 與 Amy Boyd

🎨 感謝插畫家 Tomomi Imura、Dasani Madipalli 與 Jen Looper

🙏 特別感謝 🙏 微軟學生大使作者、審稿人及內容貢獻者，尤其是 Rishit Dagli、Muhammad Sakib Khan Inan、Rohan Raj、Alexandru Petrescu、Abhishek Jaiswal、Nawrin Tabassum、Ioan Samuila 與 Snigdha Agarwal

🤩 另外特別感謝微軟學生大使 Eric Wanjau、Jasleen Sondhi 與 Vidushi Gupta 對 R 課程的貢獻！

開始使用

請按以下步驟操作：

1. Fork 本倉庫：點擊本頁右上方的“Fork”按鈕。
2. Clone 倉庫：git clone https://github.com/microsoft/ML-For-Beginners.git

前往 Microsoft Learn 集合查看本課程所有附加資源

🔧 需要幫助？ 請參閱我們的疑難排解指引，獲得安裝、設定及執行課程的常見問題解答。

學生，請將本課程完整複製到您自己的 GitHub 帳戶，並自行或組隊完成練習：

• 開始先完成課前小測驗。
• 閱讀課程內容，完成各項活動，並在每個知識檢查點停下來反思。
• 嘗試理解課程內容而自行建立專案，而非直接執行解答程式碼；不過課程中的 /solution 資料夾有針對每個專案導向課程的解答程式碼。
• 完成課後小測驗。
• 完成挑戰。
• 完成作業。
• 完成一組課程後，請至討論板分享您的學習成果，填寫相應的 PAT 評分表。PAT（Progress Assessment Tool）是一種幫助您深化學習的評量工具，您也可以對其他人的 PAT 表達反饋，共同成長。

如要進一步學習，我們建議接續修習這些Microsoft Learn 模組與學習路徑。

老師們，我們提供了使用此課程的建議。

---

影片導覽

部分課堂提供短影片，您可在課程中直接觀看，也可點擊下方圖片至微軟開發者 YouTube 頻道 的 ML for Beginners 播放清單收看。

---

認識團隊

Gif 製作者 Mohit Jaisal

🎥 點擊上方圖片，觀看有關本專案及團隊成員的介紹影片！

---

教學理念

我們在打造此課程時堅持兩個教學原則：確保課程是動手做的專案型，且包含頻繁的小測驗。此外，本課程具備統一的主題，以增加連貫性。

透過讓內容與專案緊密配合，學習過程更具吸引力，且能加強概念記憶。此外，課前低壓力的測驗幫助學生設定學習目標，課後測驗則促進進一步的知識鞏固。本課程設計靈活有趣，可完整修習或分段學習。專案由簡入繁，12 週結束時達到較高的複雜度。課程包含機器學習實際應用的後記，供當作額外學分或討論基礎。

請查閱我們的行為準則、貢獻指南、翻譯說明以及疑難排解。歡迎您提供具建設性的意見回饋！

每堂課內容包括

• 選項手繪筆記
• 選項補充影片
• 影片導覽（部分課程）
• 課前熱身小測驗
• 書面課程內容
• 專案課程中，逐步建置專案的詳細指導
• 知識檢核
• 挑戰題
• 補充閱讀資料
• 作業
• 課後小測驗

關於語言的說明：這些課程主要以 Python 撰寫，但其中許多也有 R 版本。如要完成 R 課程，請至 /solution 資料夾尋找以 .rmd 為副檔名的 R 課程，該副檔名表示 R Markdown 文件。該文件框架可視為結合了 程式碼區塊（R 或其他語言）與 YAML 標頭（指引如何格式化輸出成 PDF 等格式）的Markdown 文件。因此，R Markdown 是資料科學的優良著作框架，允許您將程式碼、輸出及心得同時記錄在 Markdown 格式。且 R Markdown 文件能輸出為 PDF、HTML 或 Word 等格式。 關於小測的備註：所有小測試都包含在Quiz App folder 中，共52個小測， 每個小測有三條問題。它們會在課程中連結，但小測應用程式可以在本地運行；請遵照 quiz-app 資料夾中的說明，於本地架設或部署到 Azure。

Lesson Number	主題	課程分類	學習目標	相關課程	作者
01	機器學習簡介	Introduction	學習機器學習的基本概念	Lesson	Muhammad
02	機器學習歷史	Introduction	瞭解此領域的歷史背景	Lesson	Jen and Amy
03	公平性與機器學習	Introduction	建構及應用機器學習模型時，學生應該考慮的公平性相關哲學問題	Lesson	Tomomi
04	機器學習技術	Introduction	機器學習研究人員使用哪些技術來建立機器學習模型？	Lesson	Chris and Jen
05	回歸分析介紹	Regression	開始使用 Python 與 Scikit-learn 建構回歸模型	Python • R	Jen • Eric Wanjau
06	北美地區南瓜價格 🎃	Regression	在機器學習前進行資料視覺化與清理	Python • R	Jen • Eric Wanjau
07	北美地區南瓜價格 🎃	Regression	建立線性與多項式回歸模型	Python • R	Jen and Dmitry • Eric Wanjau
08	北美地區南瓜價格 🎃	Regression	建立邏輯回歸模型	Python • R	Jen • Eric Wanjau
09	網頁應用程式 🔌	Web App	建立一個網頁應用程式來使用您訓練的模型	Python	Jen
10	分類介紹	Classification	清理、準備及視覺化資料；分類介紹	Python • R	Jen and Cassie • Eric Wanjau
11	美味的亞洲及印度菜餚 🍜	Classification	分類器介紹	Python • R	Jen and Cassie • Eric Wanjau
12	美味的亞洲及印度菜餚 🍜	Classification	更多分類器	Python • R	Jen and Cassie • Eric Wanjau
13	美味的亞洲及印度菜餚 🍜	Classification	使用模型建構推薦系統網頁應用程式	Python	Jen
14	群集分析介紹	Clustering	清理、準備及視覺化資料；群集分析介紹	Python • R	Jen • Eric Wanjau
15	探索奈及利亞音樂喜好 🎧	Clustering	探索K均值群集方法	Python • R	Jen • Eric Wanjau
16	自然語言處理簡介 ☕️	Natural language processing	通過建立簡易機器人來學習 NLP 的基礎知識	Python	Stephen
17	常見的 NLP 任務 ☕️	Natural language processing	深入理解處理語言結構時所需的常見任務	Python	Stephen
18	翻譯與情感分析 ♥️	Natural language processing	使用珍·奧斯汀文本做翻譯與情感分析	Python	Stephen
19	歐洲浪漫飯店 ♥️	Natural language processing	使用飯店評論做情感分析 1	Python	Stephen
20	歐洲浪漫飯店 ♥️	Natural language processing	使用飯店評論做情感分析 2	Python	Stephen
21	時間序列預測簡介	Time series	時間序列預測介紹	Python	Francesca
22	⚡️ 全球電力使用 ⚡️ - 使用 ARIMA 進行時間序列預測	Time series	使用 ARIMA 進行時間序列預測	Python	Francesca
23	⚡️ 全球電力使用 ⚡️ - 使用 SVR 進行時間序列預測	Time series	使用支持向量迴歸器進行時間序列預測	Python	Anirban
24	強化學習介紹	Reinforcement learning	透過 Q-Learning 介紹強化學習	Python	Dmitry
25	幫助彼得避開大灰狼！🐺	Reinforcement learning	強化學習 Gym	Python	Dmitry
後記	真實世界機器學習場景與應用	ML in the Wild	有趣且發人深省的經典機器學習實際應用	Lesson	團隊
後記	使用 RAI 儀表板進行機器學習模型偵錯	ML in the Wild	使用 Responsible AI 儀表板元件進行機器學習模型偵錯	Lesson	Ruth Yakubu

在我們的 Microsoft Learn 集合中，找到本課程的所有額外資源

離線存取

您可以使用 Docsify 來離線執行本文件。Fork 此倉庫，於您的本機安裝 Docsify，然後在此倉庫根目錄輸入 docsify serve。網站將在您的本地主機的 3000 端口提供：localhost:3000。

PDF

在此處下載帶連結的課程PDF。

🎒 其他課程

我們團隊還製作其他課程！請查看：

LangChain

---

Azure / Edge / MCP / Agents

---

產生式 AI 系列

---

核心學習

---

Copilot 系列

尋求協助

如果在構建 AI 應用程式時遇到困難或有任何疑問，歡迎加入學習者和有經驗的開發者，一同討論 MCP。這是個互相支持的社群，問題受到歡迎，知識自由分享。

如果您在產品使用過程中有反饋或遇到錯誤，請訪問：

---

免責聲明： 本文件係使用人工智能翻譯服務 Co-op Translator 進行翻譯。儘管我們力求準確，但請注意，自動翻譯可能包含錯誤或不精確之處。原始文件的母語版本應被視為權威來源。對於重要資訊，建議採用專業人工翻譯。我們不對因使用此翻譯而引起的任何誤解或誤譯承擔責任。