ML-For-Beginners/translations/ja

🌐 多言語サポート

GitHub Actionによるサポート（自動化＆常に最新）

アラビア語 | ベンガル語 | ブルガリア語 | ビルマ語（ミャンマー） | 中国語（簡体字） | 中国語（繁体字、香港） | 中国語（繁体字、マカオ） | 中国語（繁体字、台湾） | クロアチア語 | チェコ語 | デンマーク語 | オランダ語 | エストニア語 | フィンランド語 | フランス語 | ドイツ語 | ギリシャ語 | ヘブライ語 | ヒンディー語 | ハンガリー語 | インドネシア語 | イタリア語 | 日本語 | 韓国語 | リトアニア語 | マレー語 | マラーティー語 | ネパール語 | ノルウェー語 | ペルシャ語（ファルシー語） | ポーランド語 | ポルトガル語（ブラジル） | ポルトガル語（ポルトガル） | パンジャブ語（グルムキー） | ルーマニア語 | ロシア語 | セルビア語（キリル文字） | スロバキア語 | スロベニア語 | スペイン語 | スワヒリ語 | スウェーデン語 | タガログ語（フィリピン語） | タミル語 | タイ語 | トルコ語 | ウクライナ語 | ウルドゥー語 | ベトナム語

コミュニティに参加しよう

現在、DiscordでAI学習シリーズを開催中です。詳細を確認し、2025年9月18日から30日までのLearn with AI Seriesに参加してください。GitHub Copilotをデータサイエンスに活用するためのヒントやコツを学べます。

初心者のための機械学習 - カリキュラム

🌍 世界中を旅しながら、世界の文化を通じて機械学習を探求しましょう 🌍

Microsoftのクラウドアドボケイトチームは、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ます。このカリキュラムでは、主にScikit-learnライブラリを使用し、クラシック機械学習と呼ばれることもある分野について学びます。ディープラーニングについては、AI for Beginnersのカリキュラムで取り上げています。このレッスンを'データサイエンス初心者向けカリキュラム'と組み合わせて学ぶこともできます！

私たちと一緒に世界中を旅しながら、これらのクラシックな技術を世界中のデータに適用していきましょう。各レッスンには、レッスン前後のクイズ、レッスンを完了するための書面による指示、解答、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により、学びながら構築することができ、新しいスキルを身につける効果的な方法となります。

✍️ 著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

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

🙏 特別な感謝 🙏 をMicrosoft Student Ambassadorの著者、レビュアー、コンテンツ貢献者の皆様に、特にRishit Dagli、Muhammad Sakib Khan Inan、Rohan Raj、Alexandru Petrescu、Abhishek Jaiswal、Nawrin Tabassum、Ioan Samuila、Snigdha Agarwal

🤩 Microsoft Student AmbassadorsのEric Wanjau、Jasleen Sondhi、Vidushi GuptaによるRレッスンにも特別な感謝を！

はじめに

以下の手順に従ってください：

1. リポジトリをフォークする: このページの右上にある「Fork」ボタンをクリックしてください。
2. リポジトリをクローンする: 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コレクションで見つけることができます

🔧 ヘルプが必要ですか？ 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については、トラブルシューティングガイドをご覧ください。

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

• レクチャー前のクイズから始めましょう。
• レクチャーを読み、各知識チェックポイントで一時停止して考えながら活動を完了してください。
• レッスンを理解しながらプロジェクトを作成してみてください。ただし、解答コードは各プロジェクト指向のレッスンの/solutionフォルダにあります。
• レクチャー後のクイズを受けてください。
• チャレンジを完了してください。
• 課題を完了してください。
• レッスングループを完了した後、ディスカッションボードを訪れ、適切なPATルーブリックを埋めて「声に出して学ぶ」ことを実践してください。'PAT'は進捗評価ツールで、学習を深めるために記入するルーブリックです。他のPATに反応することもでき、一緒に学ぶことができます。

さらに学びたい場合は、これらのMicrosoft Learnモジュールと学習パスをお勧めします。

教師の皆様、このカリキュラムの使用方法についていくつかの提案を含めています。

---

ビデオウォークスルー

一部のレッスンは短い形式のビデオとして利用可能です。これらはレッスン内でインラインで見つけることができるほか、Microsoft Developer YouTubeチャンネルのML for Beginnersプレイリストで視聴できます。以下の画像をクリックしてください。

---

チーム紹介

Gif作成者 Mohit Jaisal

🎥 上記の画像をクリックして、プロジェクトとその作成者についてのビデオをご覧ください！

---

教育方針

このカリキュラムを構築する際、私たちは2つの教育的な原則を選びました。それは、プロジェクトベースであること、そして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共通のテーマがあり、一貫性を持たせています。

コンテンツがプロジェクトと一致するようにすることで、学生にとってより魅力的なプロセスとなり、概念の定着が促進されます。また、授業前の低リスクのクイズは、学生がトピックを学ぶ意図を設定し、授業後の2回目のクイズはさらに定着を確実にします。このカリキュラムは柔軟で楽しいものとして設計されており、全体または一部を受講することができます。プロジェクトは小さなものから始まり、12週間のサイクルの終わりまでに徐々に複雑になります。このカリキュラムには、MLの実世界での応用に関する後書きも含まれており、追加のクレジットとして使用したり、議論の基礎として使用することができます。

行動規範、貢献方法、翻訳、およびトラブルシューティング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内容

• オプションのスケッチノート
• オプションの補足ビデオ
• ビデオウォークスルー（一部のレッスンのみ）
• レクチャー前の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の場合、プロジェクトを構築するため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
• 補足資料
• 課題
• レクチャー後のクイズ

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のレッスンを完了するには、/solutionフォルダに移動し、Rレッスンを探してください。それらは.rmd拡張子を含み、Markdownドキュメント内にコードチャンク（Rまたは他の言語）とYAMLヘッダー（PDFなどの出力形式をガイドするもの）を埋め込んだものとして簡単に定義できます。このため、コード、出力、および考えをMarkdownで記述することができ、データサイエンスのための優れた作成フレームワークとして機能します。さらに、R MarkdownドキュメントはPDF、HTML、Wordなどの出力形式にレンダリングすることができます。

クイズに関する注意: すべてのクイズはQuiz Appフォルダに含まれており、合計52個のクイズがそれぞれ3つの質問で構成されています。これらはレッスン内からリンクされていますが、quiz-appフォルダの指示に従ってローカルで実行したり、Azureにデプロイしたりすることができます。

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モデルを構築・適用する際に考慮すべき公平性に関する重要な哲学的問題とは？	Lesson	Tomomi
04	機械学習の技術	Introduction	ML研究者がMLモデルを構築する際に使用する技術とは？	Lesson	Chris and Jen
05	回帰の紹介	Regression	PythonとScikit-learnを使って回帰モデルを始めましょう	Python • R	Jen • Eric Wanjau
06	北米のカボチャ価格 🎃	Regression	MLの準備としてデータを可視化し、クリーニングします	Python • R	Jen • Eric Wanjau
07	北米のカボチャ価格 🎃	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	北米のカボチャ価格 🎃	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	訓練済みモデルを使用するWebアプリを構築します	Python	Jen
10	分類の紹介	Classification	データをクリーニング、準備、可視化し、分類の基本を学びます	Python • R	Jen and Cassie • Eric Wanjau
11	美味しいアジアとインド料理 🍜	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料理 🍜	Classification	さらに多くの分類器	Python • R	Jen and Cassie • Eric Wanjau
13	美味しいアジアとインド料理 🍜	Classification	モデルを使用して推薦Webアプリを構築します	Python	Jen
14	クラスタリングの紹介	Clustering	データをクリーニング、準備、可視化し、クラスタリングの基本を学びます	Python • R	Jen • Eric Wanjau
15	ナイジェリアの音楽の好みを探る 🎧	Clustering	K-Meansクラスタリング手法を探ります	Python • R	Jen • Eric Wanjau
16	自然言語処理の紹介 ☕️	Natural language processing	簡単なボットを構築してNLPの基本を学びます	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することでNLPの知識を深めます	Python	Stephen
18	翻訳と感情分析 ♥️	Natural language processing	ジェーン・オースティンを使った翻訳と感情分析	Python	Stephen
19	ヨーロッパのロマンチックなホテル ♥️	Natural language processing	ホテルレビューを使った感情分析 1	Python	Stephen
20	ヨーロッパのロマンチックなホテル ♥️	Natural language processing	ホテルレビューを使った感情分析 2	Python	Stephen
21	時系列予測の紹介	Time series	時系列予測の基本を学びます	Python	Francesca
22	⚡️ 世界の電力使用 ⚡️ - 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 ⚡️ - 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	強化学習の紹介	Reinforcement learning	Q-Learningを使った強化学習の紹介	Python	Dmitry
25	ピーターをオオカミから守ろう！ 🐺	Reinforcement learning	強化学習Gym	Python	Dmitry
Postscript	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、示唆に富む実世界の応用	Lesson	Team
Postscript	RAIダッシュボードを使ったMLモデルのデバッグ	ML in the Wild	責任あるAIダッシュボードコンポーネントを使用した機械学習モデルのデバッグ	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ることができます

オフラインアクセス

このドキュメントをオフラインで実行するには、Docsifyを使用します。このリポジトリをフォークし、Docsifyをインストールしてローカルマシンにセットアップしてください。その後、このリポジトリのルートフォルダでdocsify serveと入力します。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.

PDFs

リンク付きのカリキュラムPDFはこちらで見つけることができます。

🎒 その他のコース

私たちのチームは他にもコースを提供しています！以下をチェックしてください:

• Edge AI for Beginners
• AI Agents for Beginners
• Generative AI for Beginners
• Generative AI for Beginners .NET
• Generative AI with JavaScript
• Generative AI with Java
• AI for Beginners
• Data Science for Beginners
• ML for Beginners
• Cybersecurity for Beginners
• Web Dev for Beginners
• IoT for Beginners
• XR Development for Beginners
• Mastering GitHub Copilot for Paired Programming
• Mastering GitHub Copilot for C#/.NET Developers
• Choose Your Own Copilot Adventure

ヘルプを得る

AIアプリの構築で行き詰まったり質問がある場合は、以下に参加してください:

製品のフィードバックや構築中のエラーがある場合は以下を訪問してください:

---

免責事項:
この文書は、AI翻訳サービスCo-op Translatorを使用して翻訳されています。正確性を期しておりますが、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ります。原文（元の言語で記載された文書）が信頼できる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お勧めします。この翻訳の使用に起因する誤解や誤認について、当方は一切の責任を負いません。