ML-For-Beginners/translations/tw

🌐 多語言支援

透過 GitHub Action 支援（自動且隨時更新）

阿拉伯語 | 孟加拉語 | 保加利亞語 | 緬甸語 | 中文（簡體） | 中文（繁體，香港） | 中文（繁體，澳門） | 中文（繁體，台灣） | 克羅埃西亞語 | 捷克語 | 丹麥語 | 荷蘭語 | 愛沙尼亞語 | 芬蘭語 | 法語 | 德語 | 希臘語 | 希伯來語 | 印地語 | 匈牙利語 | 印尼語 | 義大利語 | 日語 | 卡納達語 | 韓語 | 立陶宛語 | 馬來語 | 馬拉雅拉姆語 | 馬拉地語 | 尼泊爾語 | 奈及利亞皮欽語 | 挪威語 | 波斯語（法爾西語） | 波蘭語 | 葡萄牙語（巴西） | 葡萄牙語（葡萄牙） | 旁遮普語（古魯穆奇體） | 羅馬尼亞語 | 俄語 | 塞爾維亞語（西里爾字母） | 斯洛伐克語 | 斯洛維尼亞語 | 西班牙語 | 斯瓦希里語 | 瑞典語 | 他加祿語（菲律賓語） | 泰米爾語 | 泰盧固語 | 泰語 | 土耳其語 | 烏克蘭語 | 烏爾都語 | 越南語

想要本機複製？

本倉庫包含超過50種語言翻譯，可大幅增加下載大小。若想複製時不含翻譯，請使用稀疏檢出：

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'

這樣你可以以更快的速度取得完成課程所需的所有內容。

加入我們的社群

我們持續推出 Discord AI 學習系列，詳情並加入請見 Learn with AI Series，時間為 2025 年 9 月 18 日至 30 日。你會學到使用 GitHub Copilot 進行資料科學的小撇步與技巧。

機器學習入門 - 課程綱要

🌍 透過世界各地文化探索機器學習之旅 🌍

微軟的 Cloud Advocates 推出為期12週、共26課程的機器學習完整課綱。在此課程中，你將學習所謂的經典機器學習，主要使用 Scikit-learn 函式庫，並避開深度學習，深度學習部分則收錄於我們的AI 入門課綱。此外，建議搭配我們的資料科學入門課綱。

隨我們走遍世界，將這些經典技術應用於全球各地的資料。每堂課都有課前及課後測驗、文字教學完成指引、解答、挑戰以及任務。我們的專案導向教學法讓你在實作中學習，是讓新知識穩固掌握的最佳方式。

✍️ 衷心感謝作者們 Jen Looper、Stephen Howell、Francesca Lazzeri、Tomomi Imura、Cassie Breviu、Dmitry Soshnikov、Chris Noring、Anirban Mukherjee、Ornella Altunyan、Ruth Yakubu 和 Amy Boyd

🎨 謝謝插畫師 Tomomi Imura、Dasani Madipalli 和 Jen Looper

🙏 特別感謝🙏 微軟學生大使的作者、審稿人和內容貢獻者，特別是 Rishit Dagli、Muhammad Sakib Khan Inan、Rohan Raj、Alexandru Petrescu、Abhishek Jaiswal、Nawrin Tabassum、Ioan Samuila 和 Snigdha Agarwal

🤩 額外感謝微軟學生大使 Eric Wanjau、Jasleen Sondhi 和 Vidushi Gupta 協助我們的 R 課程！

開始使用

請依下列步驟操作：

1. Fork 倉庫：點擊本頁右上角的「Fork」按鈕。
2. Clone 倉庫：git clone https://github.com/microsoft/ML-For-Beginners.git

課程所有額外資源請見我們的 Microsoft Learn 集合

🔧 需要協助？ 請查看我們的故障排除指南，內容涵蓋安裝、設定與課程執行的常見問題解決。

學生，使用本綱要，請 Fork 整個倉庫至你的 GitHub 帳號，並獨立或組隊完成練習：

• 從課前測驗開始。
• 閱讀講義並完成活動，每個知識點停下來思考。
• 嘗試理解課程內容自行建立專案，而非直接執行解決方案程式碼；但解答程式碼可在每個專案導向課程的 /solution 資料夾找到。
• 進行課後測驗。
• 完成挑戰任務。
• 完成作業。
• 完成一組課程後，請造訪討論區，並透過填寫對應的 PAT 評量工具「大聲學習」。PAT 是個進度評估工具，一種你填寫以促進學習的評分表。你也可以對其他 PAT 作出反應，一起進步。

若想深入學習，建議跟隨這些Microsoft Learn模組與學習路徑。

教師們，我們有提供一些使用本課程的建議。

---

影片導覽

部分課程有短影片可觀看。可在課程內容中內嵌觀看，或到Microsoft Developer YouTube 頻道的 ML for Beginners 播放清單點擊以下圖片觀看。

---

認識團隊

GIF 作者 Mohit Jaisal

🎥 點擊上圖觀看有關這個專案及創作者的影片！

---

教學理念

我們在打造這套課綱時，選擇堅持兩大教學原則：確保課程是實作導向的專案式學習，並包含頻繁測驗。此外，課程具有統一的主題，使內容更有連貫性。

將內容與專案對齊，讓學習過程更投入且概念更加牢固。低門檻的課前小測驗設定學習意圖，課後測驗強化記憶。課程設計靈活且有趣，可全程學完或拆分學習。專案自簡入深，並隨12週進度逐漸複雜。課程附加機器學習實務應用的後記，可以作為加分作業或討論基礎。

可參考我們的行為準則、貢獻指南、翻譯說明與故障排除指引。我們歡迎你的建設性回饋！

每堂課程包含

• 可選的手寫筆記
• 可選的補充影片
• 影片導覽（部分課程）
• 課前暖身小測驗
• 書面講義
• 專案導向課程的分步指引
• 知識檢核
• 挑戰任務
• 補充閱讀材料
• 作業
• 課後測驗

語言說明：這些課程主要採用 Python 撰寫，但許多課程同時提供 R 語言版本。完成 R 課程，請到 /solution 資料夾尋找帶有 .rmd 副檔名的檔案。 .rmd 是R Markdown檔案，簡單說就是一份包含 code chunks（R 語言或其他語言程式碼）及 YAML 標頭（用於格式化輸出，如 PDF）的 Markdown 文件。因此，它是資料科學理想的作者框架，允許你結合程式碼、輸出與註記內容以 Markdown 形式書寫。R Markdown 文件還能輸出為 PDF、HTML 或 Word 等格式。 關於測驗的說明：所有測驗皆收錄於Quiz App 資料夾，共52個，每個包含三個問題。測驗連結分布於課程中，但測驗應用程式亦可本機執行；請依照 quiz-app 資料夾中的說明進行本機託管或部署到 Azure。

課程編號	主題	課程分類	學習目標	連結課程	作者
01	機器學習入門介紹	Introduction	學習機器學習的基本概念	課程	Muhammad
02	機器學習的歷史	Introduction	了解此領域背後的歷史	課程	Jen and Amy
03	公平性與機器學習	Introduction	學生在建立和應用機器學習模型時應考量的公平性相關重要哲學議題	課程	Tomomi
04	機器學習技術	Introduction	機器學習研究人員用來建立機器學習模型的技術有哪些？	課程	Chris and Jen
05	迴歸介紹	Regression	使用 Python 及 Scikit-learn 開始建立迴歸模型	Python • R	Jen • Eric Wanjau
06	北美南瓜價格 🎃	Regression	資料視覺化與清理以準備機器學習	Python • R	Jen • Eric Wanjau
07	北美南瓜價格 🎃	Regression	建立線性及多項式迴歸模型	Python • R	Jen and Dmitry • Eric Wanjau
08	北美南瓜價格 🎃	Regression	建立邏輯迴歸模型	Python • R	Jen • Eric Wanjau
09	網頁應用程式 🔌	Web App	建立使用已訓練模型的網頁應用程式	Python	Jen
10	分類介紹	Classification	清理、準備及視覺化資料；分類入門	Python • R	Jen and Cassie • Eric Wanjau
11	美味亞洲與印度料理 🍜	Classification	分類器介紹	Python • R	Jen and Cassie • Eric Wanjau
12	美味亞洲與印度料理 🍜	Classification	更多分類器	Python • R	Jen and Cassie • Eric Wanjau
13	美味亞洲與印度料理 🍜	Classification	使用模型建立推薦網頁應用程式	Python	Jen
14	聚類介紹	Clustering	清理、準備及視覺化資料；聚類介紹	Python • R	Jen • Eric Wanjau
15	探索奈及利亞音樂風格 🎧	Clustering	探索 K-平均值聚類方法	Python • R	Jen • Eric Wanjau
16	自然語言處理入門 ☕️	Natural language processing	透過建立簡單機器人學習自然語言處理基礎	Python	Stephen
17	常見 NLP 任務 ☕️	Natural language processing	透過理解處理語言結構所需的常見任務，加深 NLP 知識	Python	Stephen
18	翻譯與情感分析 ♥️	Natural language processing	使用 Jane Austen 的文本進行翻譯與情感分析	Python	Stephen
19	歐洲浪漫飯店 ♥️	Natural language processing	使用飯店評論情感分析 1	Python	Stephen
20	歐洲浪漫飯店 ♥️	Natural language processing	使用飯店評論情感分析 2	Python	Stephen
21	時間序列預測入門	Time series	時間序列預測入門	Python	Francesca
22	⚡️ 世界用電量 ⚡️ - 使用 ARIMA 的時間序列預測	Time series	使用 ARIMA 進行時間序列預測	Python	Francesca
23	⚡️ 世界用電量 ⚡️ - 使用 SVR 的時間序列預測	Time series	使用支持向量回歸 (SVR) 進行時間序列預測	Python	Anirban
24	強化學習入門	Reinforcement learning	使用 Q-Learning 介紹強化學習	Python	Dmitry
25	幫彼得避開狼！🐺	Reinforcement learning	強化學習 Gym	Python	Dmitry
後記	真實世界的機器學習場景與應用	ML in the Wild	傳統機器學習在真實世界有趣且具啟發性的應用	課程	團隊
後記	使用 RAI 儀表板進行機器學習模型除錯	ML in the Wild	使用 Responsible AI 儀表板元件進行機器學習模型除錯	課程	Ruth Yakubu

在我們的 Microsoft Learn 集合中找到此課程的所有其他資源

離線存取

您可以透過 Docsify 離線運行此文件。複製此倉庫，並在本機安裝 Docsify，接著在倉庫根目錄輸入 docsify serve。網站將在您本機的 3000 端口執行：localhost:3000。

PDF檔案

在此處可下載帶有連結的課程綱要 PDF：here。

🎒 其他課程

我們團隊也製作其他課程！請查看：

LangChain

---

Azure / Edge / MCP / Agents

---

生成式 AI 系列

---

核心學習

---

Copilot 系列

獲得幫助

如果您卡住或對構建 AI 應用程式有任何疑問，歡迎加入學習者和資深開發者的 MCP 討論社群。這是一個支持性的社群，問題受到歡迎，知識自由共享。

如果您在構建過程中有產品反饋或遇到錯誤，請訪問：

---

免責聲明：
本文件係使用 AI 翻譯服務 Co-op Translator 進行翻譯。雖然我們力求準確，但請注意自動翻譯可能包含錯誤或不準確之處。原文文件應視為權威來源。對於重要資訊，建議尋求專業人工翻譯。我們不對因使用本翻譯內容而產生的任何誤解或誤用負責。