36 KiB

Raw Blame History Unescape Escape

🌐 Поддержка нескольких языков

Поддерживается через GitHub Action (автоматически и всегда актуально)

Присоединяйтесь к нашему сообществу

У нас проходит серия обучения с AI в Discord. Узнайте больше и присоединяйтесь к нам на Learn with AI Series с 18 по 30 сентября 2025 года. Вы узнаете советы и приемы использования GitHub Copilot для Data Science.

Машинное обучение для начинающих - учебная программа

🌍 Путешествуйте по миру, изучая машинное обучение через призму мировых культур 🌍

Облачные адвокаты Microsoft рады предложить 12-недельную учебную программу из 26 уроков, посвященную машинному обучению. В этой программе вы изучите то, что иногда называют классическим машинным обучением, используя в основном библиотеку Scikit-learn и избегая глубокого обучения, которое рассматривается в нашей учебной программе "AI для начинающих". Также сочетайте эти уроки с нашей учебной программой 'Data Science для начинающих'!

Путешествуйте с нами по миру, применяя классические методы к данным из разных уголков планеты. Каждый урок включает предварительные и итоговые тесты, письменные инструкции для выполнения урока, решение, задание и многое другое. Наш подход, основанный на проектах, позволяет учиться через создание, что доказано способствует закреплению новых навыков.

✍️ Огромная благодарность нашим авторам: Джен Лупер, Стивен Хауэлл, Франческа Лаззери, Томоми Имура, Кэсси Бревиу, Дмитрий Сошников, Крис Норинг, Анирбан Мукерджи, Орнелла Алтуньян, Рут Якобу и Эми Бойд

🎨 Благодарность нашим иллюстраторам: Томоми Имура, Дасани Мадипалли и Джен Лупер

🙏 Особая благодарность 🙏 нашим авторам, рецензентам и участникам контента из числа студенческих послов Microsoft, особенно Ришиту Дагли, Мухаммаду Сакибу Хану Инану, Рохану Раджу, Александру Петреску, Абхишеку Джайсвалу, Наврин Табассум, Иоану Самуиле и Снигдхе Агарвал

🤩 Особая благодарность студенческим послам Microsoft Эрику Ванджау, Джаслин Сонди и Видуши Гупте за уроки на R!

Начало работы

Следуйте этим шагам:

Сделайте форк репозитория: Нажмите кнопку "Fork" в правом верхнем углу этой страницы.
Клонируйте репозиторий: git clone https://github.com/microsoft/ML-For-Beginners.git

найдите все дополнительные ресурсы для этого курса в нашей коллекции Microsoft Learn

🔧 Нужна помощь? Ознакомьтесь с нашим Руководством по устранению неполадок для решения распространенных проблем с установкой, настройкой и выполнением уроков.

Студенты, чтобы использовать эту учебную программу, сделайте форк всего репозитория в свой аккаунт GitHub и выполняйте упражнения самостоятельно или в группе:

Начните с предварительного теста.
Прочитайте лекцию и выполните задания, делая паузы и размышляя на каждом этапе проверки знаний.
Постарайтесь создать проекты, понимая уроки, а не просто запуская код решения; однако этот код доступен в папках /solution в каждом проектно-ориентированном уроке.
Пройдите итоговый тест.
Выполните вызов.
Выполните задание.
После завершения группы уроков посетите Доску обсуждений и "учитесь вслух", заполняя соответствующую рубрику PAT. PAT — это инструмент оценки прогресса, рубрика, которую вы заполняете для углубления обучения. Вы также можете реагировать на другие PAT, чтобы учиться вместе.

Для дальнейшего изучения мы рекомендуем пройти эти модули и учебные пути Microsoft Learn.

Учителя, мы включили несколько предложений о том, как использовать эту учебную программу.

Видеоуроки

Некоторые уроки доступны в виде коротких видеороликов. Вы можете найти их в уроках или на плейлисте ML для начинающих на YouTube-канале Microsoft Developer, нажав на изображение ниже.

Знакомьтесь с командой

Gif создан Мохитом Джайсалом

🎥 Нажмите на изображение выше, чтобы посмотреть видео о проекте и людях, которые его создали!

Педагогика

При создании этой учебной программы мы выбрали два педагогических принципа: обеспечение того, чтобы она была практической на основе проектов и включала частые тесты. Кроме того, эта учебная программа имеет общую тему, которая придает ей целостность.

Обеспечивая соответствие контента проектам, процесс становится более увлекательным для студентов, а усвоение концепций усиливается. Кроме того, тест с низкими ставками перед занятием настраивает студента на изучение темы, а второй тест после занятия обеспечивает дальнейшее закрепление материала. Эта учебная программа была разработана как гибкая и увлекательная, и ее можно проходить полностью или частично. Проекты начинаются с простых и становятся все более сложными к концу 12-недельного цикла. Эта учебная программа также включает постскриптум о реальных приложениях ML, который можно использовать как дополнительный кредит или как основу для обсуждения.

Ознакомьтесь с нашим Кодексом поведения, Руководством по внесению изменений, Руководством по переводу и Руководством по устранению неполадок. Мы приветствуем ваши конструктивные отзывы!

Каждый урок включает

необязательный скетчноут
необязательное дополнительное видео
видеопрохождение (только для некоторых уроков)
предварительный тест
письменный урок
для проектно-ориентированных уроков пошаговые инструкции по созданию проекта
проверка знаний
вызов
дополнительное чтение
задание
итоговый тест

Примечание о языках: Эти уроки в основном написаны на Python, но многие также доступны на R. Чтобы пройти урок на R, перейдите в папку /solution и найдите уроки на R. Они включают расширение .rmd, которое представляет собой R Markdown файл, который можно просто определить как объединение фрагментов кода (на R или других языках) и заголовка YAML (который определяет, как форматировать выходные данные, такие как PDF) в Markdown документе. Таким образом, он служит примерной авторской платформой для науки о данных, поскольку позволяет объединять ваш код, его вывод и ваши мысли, записывая их в Markdown. Более того, документы R Markdown можно преобразовать в выходные форматы, такие как PDF, HTML или Word.

Примечание о тестах: Все тесты содержатся в папке Quiz App, всего 52 теста по три вопроса каждый. Они связаны с уроками, но приложение для тестов можно запустить локально; следуйте инструкциям в папке quiz-app, чтобы локально разместить или развернуть на Azure.

Номер урока	Тема	Группировка уроков	Цели обучения	Связанный урок	Автор
01	Введение в машинное обучение	Введение	Узнайте основные концепции машинного обучения	Урок	Мухаммад
02	История машинного обучения	Введение	Узнайте историю, лежащую в основе этой области	Урок	Джен и Эми
03	Справедливость и машинное обучение	Введение	Какие важные философские вопросы о справедливости должны учитывать студенты при создании и применении моделей ML?	Урок	Томоми
04	Техники машинного обучения	Введение	Какие техники используют исследователи ML для создания моделей?	Урок	Крис и Джен
05	Введение в регрессию	Регрессия	Начните с Python и Scikit-learn для моделей регрессии	Python • R	Джен • Эрик Ванжау
06	Цены на тыквы в Северной Америке 🎃	Регрессия	Визуализируйте и очистите данные для подготовки к ML	Python • R	Джен • Эрик Ванжау
07	Цены на тыквы в Северной Америке 🎃	Регрессия	Постройте модели линейной и полиномиальной регрессии	Python • R	Джен и Дмитрий • Эрик Ванжау
08	Цены на тыквы в Северной Америке 🎃	Регрессия	Постройте модель логистической регрессии	Python • R	Джен • Эрик Ванжау
09	Веб-приложение 🔌	Веб-приложение	Создайте веб-приложение для использования вашей обученной модели	Python	Джен
10	Введение в классификацию	Классификация	Очистите, подготовьте и визуализируйте данные; введение в классификацию	Python • R	Джен и Кэсси • Эрик Ванжау
11	Вкусные азиатские и индийские блюда 🍜	Классификация	Введение в классификаторы	Python • R	Джен и Кэсси • Эрик Ванжау
12	Вкусные азиатские и индийские блюда 🍜	Классификация	Дополнительные классификаторы	Python • R	Джен и Кэсси • Эрик Ванжау
13	Вкусные азиатские и индийские блюда 🍜	Классификация	Создайте веб-приложение рекомендаций, используя вашу модель	Python	Джен
14	Введение в кластеризацию	Кластеризация	Очистите, подготовьте и визуализируйте данные; введение в кластеризацию	Python • R	Джен • Эрик Ванжау
15	Исследование музыкальных вкусов Нигерии 🎧	Кластеризация	Изучите метод кластеризации K-Means	Python • R	Джен • Эрик Ванжау
16	Введение в обработку естественного языка ☕️	Обработка естественного языка	Узнайте основы NLP, создавая простого бота	Python	Стивен
17	Общие задачи NLP ☕️	Обработка естественного языка	Углубите свои знания NLP, изучив общие задачи, связанные с языковыми структурами	Python	Стивен
18	Перевод и анализ настроений ♥️	Обработка естественного языка	Перевод и анализ настроений с произведениями Джейн Остин	Python	Стивен
19	Романтические отели Европы ♥️	Обработка естественного языка	Анализ настроений с отзывами об отелях 1	Python	Стивен
20	Романтические отели Европы ♥️	Обработка естественного языка	Анализ настроений с отзывами об отелях 2	Python	Стивен
21	Введение в прогнозирование временных рядов	Временные ряды	Введение в прогнозирование временных рядов	Python	Франческа
22	⚡️ Мировое потребление электроэнергии ⚡️ - прогнозирование с ARIMA	Временные ряды	Прогнозирование временных рядов с использованием ARIMA	Python	Франческа
23	⚡️ Мировое потребление электроэнергии ⚡️ - прогнозирование с SVR	Временные ряды	Прогнозирование временных рядов с использованием Support Vector Regressor	Python	Анирбан
24	Введение в обучение с подкреплением	Обучение с подкреплением	Введение в обучение с подкреплением с использованием Q-Learning	Python	Дмитрий
25	Помогите Петру избежать волка! 🐺	Обучение с подкреплением	Обучение с подкреплением в Gym	Python	Дмитрий
Постскриптум	Реальные сценарии и приложения ML	ML в реальном мире	Интересные и показательные реальные приложения классического ML	Урок	Команда
Постскриптум	Отладка моделей ML с использованием панели RAI	ML в реальном мире	Отладка моделей машинного обучения с использованием компонентов панели Responsible AI	Урок	Рут Якубу

найдите все дополнительные ресурсы для этого курса в нашей коллекции Microsoft Learn

Оффлайн-доступ

Вы можете запустить эту документацию оффлайн, используя Docsify. Форкните этот репозиторий, установите Docsify на вашем локальном компьютере, а затем в корневой папке этого репозитория введите docsify serve. Веб-сайт будет доступен на порту 3000 вашего localhost: localhost:3000.

PDF-файлы

Найдите PDF-версию учебного плана с ссылками здесь.

🎒 Другие курсы

Наша команда создает другие курсы! Ознакомьтесь:

Получение помощи

Если вы застряли или у вас есть вопросы о создании AI-приложений, присоединяйтесь:

Если у вас есть отзывы о продукте или ошибки при создании, посетите:

Отказ от ответственности:
Этот документ был переведен с помощью сервиса автоматического перевода Co-op Translator. Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.

36 KiB Raw Blame History Unescape Escape