ML-For-Beginners/translations/mo

🌐 多語言支援

透過 GitHub Action 支援（自動化且隨時更新）

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） | 克羅地亞語 | 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 | 韓語 | 立陶宛語 | 馬來語 | 馬拉地語 | 尼泊爾語 | 挪威語 | 波斯語 | 波蘭語 | 葡萄牙語（巴西） | 葡萄牙語（葡萄牙） | 旁遮普語（古魯穆奇文） | 羅馬尼亞語 | 俄語 | 塞爾維亞語（西里爾文） | 斯洛伐克語 | 斯洛文尼亞語 | 西班牙語 | 斯瓦希里語 | 瑞典語 | 他加祿語（菲律賓語） | 泰米爾語 | 泰語 | 土耳其語 | 烏克蘭語 | 烏爾都語 | 越南語

加入我們的社群

我們正在進行一個與 AI 一起學習的 Discord 系列活動，了解更多並於 2025 年 9 月 18 日至 30 日加入我們的 Learn with AI Series。您將學到使用 GitHub Copilot 進行數據科學的技巧和竅門。

初學者的機器學習 - 課程

🌍 跟隨我們的腳步，通過世界文化探索機器學習 🌍

Microsoft 的雲端倡導者很高興提供一個為期 12 週、共 26 節課的課程，內容涵蓋 機器學習。在這個課程中，您將學習有時被稱為 經典機器學習 的內容，主要使用 Scikit-learn 作為工具庫，並避免涉及深度學習（深度學習內容已包含在我們的 AI for Beginners' curriculum 中）。您也可以將這些課程與我們的 'Data Science for Beginners' curriculum 結合學習！

跟隨我們的腳步，探索世界各地的數據，應用這些經典技術。每節課都包括課前和課後測驗、完成課程的書面指導、解決方案、作業等。我們基於項目的教學法讓您在實踐中學習，這是一種被證明能讓新技能更牢固掌握的方法。

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

🎨 也感謝我們的插畫家 Tomomi Imura、Dasani Madipalli 和 Jen Looper

🙏 特別感謝 🙏 我們的 Microsoft 學生大使作者、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 Microsoft 學生大使 Eric Wanjau、Jasleen Sondhi 和 Vidushi Gupta 為我們的 R 課程所做的貢獻！

開始學習

請按照以下步驟操作：

1. Fork 此儲存庫：點擊此頁面右上角的 "Fork" 按鈕。
2. Clone 此儲存庫：git clone https://github.com/microsoft/ML-For-Beginners.git

在我們的 Microsoft Learn 集合中找到本課程的所有其他資源

🔧 需要幫助嗎？ 請查看我們的 故障排除指南，以解決安裝、設置和運行課程時的常見問題。

學生，要使用此課程，請將整個儲存庫 fork 到您自己的 GitHub 帳戶，並自行或與小組一起完成練習：

• 從課前測驗開始。
• 閱讀課程並完成活動，在每個知識檢查點暫停並反思。
• 嘗試通過理解課程內容來創建項目，而不是直接運行解決方案代碼；不過，解決方案代碼可在每個基於項目的課程的 /solution 資料夾中找到。
• 完成課後測驗。
• 完成挑戰。
• 完成作業。
• 完成一組課程後，訪問 討論板，通過填寫適當的 PAT 評估表來 "大聲學習"。PAT 是一種進度評估工具，您可以通過填寫該工具來進一步學習。您還可以對其他 PAT 進行回應，這樣我們可以一起學習。

如需進一步學習，我們建議您參考這些 Microsoft Learn 模組和學習路徑。

教師們，我們已經 提供了一些建議 關於如何使用此課程。

---

視頻教學

部分課程提供短視頻形式的教學。您可以在課程中找到這些視頻，或者點擊下方圖片訪問 Microsoft Developer YouTube 頻道上的 ML for Beginners 播放列表。

---

認識團隊

Gif 作者 Mohit Jaisal

🎥 點擊上方圖片觀看關於此項目及創建者的視頻！

---

教學法

在設計此課程時，我們選擇了兩個教學原則：確保它是實踐性的 基於項目，並且包含 頻繁的測驗。此外，這個課程還有一個共同的 主題，以增強其連貫性。

通過確保內容與項目對應，學習過程對學生來說更加有趣，概念的記憶也會得到加強。此外，課前的低壓力測驗可以幫助學生集中注意力學習主題，而課後的第二次測驗則能進一步鞏固記憶。這個課程設計靈活有趣，可以整體學習，也可以部分學習。課程從簡單的項目開始，並在 12 週的學習周期結束時逐漸變得更加複雜。該課程還包括關於機器學習實際應用的附錄，可以作為額外的學分或討論的基礎。

查看我們的 行為準則、貢獻指南、翻譯指南 和 故障排除指南。我們歡迎您的建設性反饋！

每節課包括

• 可選的手繪筆記
• 可選的補充視頻
• 視頻教學（僅部分課程提供）
• 課前熱身測驗
• 書面課程
• 對於基於項目的課程，提供如何構建項目的分步指南
• 知識檢查
• 挑戰
• 補充閱讀
• 作業
• 課後測驗

關於語言的說明：這些課程主要以 Python 編寫，但許多課程也提供 R 語言版本。要完成 R 課程，請前往 /solution 資料夾，尋找 R 課程。它們包含 .rmd 擴展名，表示 R Markdown 文件，可以簡單地定義為在 Markdown 文檔 中嵌入 R 或其他語言的代碼塊 和 YAML 標頭（指導如何格式化輸出，例如 PDF）。因此，它作為數據科學的示範性創作框架，因為它允許您將代碼、其輸出和您的想法結合起來，並以 Markdown 的形式記錄下來。此外，R Markdown 文檔可以渲染為 PDF、HTML 或 Word 等輸出格式。

關於測驗的說明：所有測驗都包含在 Quiz App 資料夾 中，共有 52 個測驗，每個測驗包含三個問題。它們在課程中有鏈接，但測驗應用程式也可以在本地運行；請按照 quiz-app 資料夾中的指導，在本地或部署到 Azure 上運行。

課程編號	主題	課程分組	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	機器學習的歷史	Introduction	探索這個領域的歷史背景	Lesson	Jen 和 Amy
03	公平性與機器學習	Introduction	學生在構建和應用機器學習模型時應考慮哪些重要的哲學問題？	Lesson	Tomomi
04	機器學習的技術	Introduction	機器學習研究人員使用哪些技術來構建模型？	Lesson	Chris 和 Jen
05	回歸分析簡介	Regression	使用 Python 和 Scikit-learn 開始學習回歸模型	Python • R	Jen • Eric Wanjau
06	北美南瓜價格 🎃	Regression	視覺化並清理數據以準備進行機器學習	Python • R	Jen • Eric Wanjau
07	北美南瓜價格 🎃	Regression	構建線性和多項式回歸模型	Python • R	Jen 和 Dmitry • Eric Wanjau
08	北美南瓜價格 🎃	Regression	構建邏輯回歸模型	Python • R	Jen • Eric Wanjau
09	網頁應用 🔌	Web App	構建一個使用訓練模型的網頁應用	Python	Jen
10	分類簡介	Classification	清理、準備並視覺化數據；分類簡介	Python • R	Jen 和 Cassie • Eric Wanjau
11	美味的亞洲和印度料理 🍜	Classification	分類器簡介	Python • R	Jen 和 Cassie • Eric Wanjau
12	美味的亞洲和印度料理 🍜	Classification	更多分類器	Python • R	Jen 和 Cassie • Eric Wanjau
13	美味的亞洲和印度料理 🍜	Classification	使用模型構建推薦系統網頁應用	Python	Jen
14	聚類分析簡介	Clustering	清理、準備並視覺化數據；聚類分析簡介	Python • R	Jen • Eric Wanjau
15	探索尼日利亞音樂喜好 🎧	Clustering	探索 K-Means 聚類方法	Python • R	Jen • Eric Wanjau
16	自然語言處理簡介 ☕️	Natural language processing	通過構建簡單的機器人學習 NLP 的基礎知識	Python	Stephen
17	常見 NLP 任務 ☕️	Natural language processing	通過理解處理語言結構時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 的作品進行翻譯與情感分析	Python	Stephen
19	歐洲浪漫酒店 ♥️	Natural language processing	酒店評論的情感分析 1	Python	Stephen
20	歐洲浪漫酒店 ♥️	Natural language processing	酒店評論的情感分析 2	Python	Stephen
21	時間序列預測簡介	Time series	時間序列預測簡介	Python	Francesca
22	⚡️ 世界電力使用 ⚡️ - 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	⚡️ 世界電力使用 ⚡️ - 使用 SVR 進行時間序列預測	Time series	使用支持向量回歸進行時間序列預測	Python	Anirban
24	強化學習簡介	Reinforcement learning	使用 Q-Learning 進行強化學習簡介	Python	Dmitry
25	幫助 Peter 避開狼 🐺	Reinforcement learning	強化學習 Gym	Python	Dmitry
後記	真實世界中的機器學習場景與應用	ML in the Wild	機器學習的有趣且啟發性的真實世界應用	Lesson	Team
後記	使用 RAI 儀表板進行機器學習模型調試	ML in the Wild	使用負責任 AI 儀表板組件進行機器學習模型調試	Lesson	Ruth Yakubu

在 Microsoft Learn 集合中找到本課程的所有額外資源

離線訪問

您可以使用 Docsify 離線運行此文檔。Fork 此 repo，並在本地機器上 安裝 Docsify，然後在此 repo 的根文件夾中輸入 docsify serve。網站將在本地端口 3000 上提供服務：localhost:3000。

PDF

在此處找到包含鏈接的課程 PDF here。

🎒 其他課程

我們的團隊還製作了其他課程！查看以下內容：

• 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

獲取幫助

如果您遇到困難或對構建 AI 應用有任何疑問，請加入：

如果您有產品反饋或在構建過程中遇到錯誤，請訪問：

---

免責聲明：
本文件已使用 AI 翻譯服務 Co-op Translator 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。