Arabic | Bengali | Bulgarian | Burmese (Myanmar) | Chinese (Simplified) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Macau) | Chinese (Traditional, Taiwan) | Croatian | Czech | Danish | Dutch | Estonian | Finnish | French | German | Greek | Hebrew | Hindi | Hungarian | Indonesian | Italian | Japanese | Kannada | Korean | Lithuanian | Malay | Malayalam | Marathi | Nepali | Nigerian Pidgin | Norwegian | Persian (Farsi) | Polish | Portuguese (Brazil) | Portuguese (Portugal) | Punjabi (Gurmukhi) | Romanian | Russian | Serbian (Cyrillic) | Slovak | Slovenian | Spanish | Swahili | Swedish | Tagalog (Filipino) | Tamil | Telugu | Thai | Turkish | Ukrainian | Urdu | Vietnamese
我哋正舉行 Discord「Learn with AI」系列，活動時間為 2025 年 9 月 18 日至 30 日。想了解更多同加入我哋，請到 Learn with AI 系列。你會學到使用 GitHub Copilot 做資料科學嘅技巧同秘訣。
🌍 跟我哋環遊世界，透過世界各地文化去探索機器學習 🌍
Microsoft 嘅 Cloud Advocates 很高興提供一個為期 12 週、共 26 節課嘅機器學習課程。在呢個課程裡，你會學到通常所講嘅「經典機器學習」，主要使用 Scikit-learn 作為函式庫，並避開深度學習（深度學習喺我哋嘅 AI 初學者課程 有涵蓋）。你亦可以將呢啲課程同我哋嘅 數據科學初學者課程 一齊配合學習。
同我哋一齊周遊世界，將呢啲經典技術應用喺來自世界各地嘅數據上。每節課包括課前與課後小測驗、書面指引完成課堂、解答、作業，仲有更多。透過專案導向教學，你一邊建立項目一邊學習，係一個經證實有效令新技能「記得住」嘅方法。
✍️ 衷心感謝我哋嘅作者 Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu and Amy Boyd
🎨 同樣多謝我哋嘅插畫師 Tomomi Imura, Dasani Madipalli, and Jen Looper
🙏 特別鳴謝 🙏 我哋嘅 Microsoft Student Ambassador 作者、審稿人及內容貢獻者，特別係 Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, and Snigdha Agarwal
🤩 額外鳴謝 Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, 同 Vidushi Gupta 為我哋嘅 R 課作出貢獻！
跟住以下步驟：
- Fork 倉庫：按呢頁面右上角嘅「Fork」按鈕。
- 複製倉庫（Clone the Repository）：
git clone https://github.com/microsoft/ML-For-Beginners.git
🔧 需要幫忙？ 檢查我哋嘅 疑難排解指南 了解安裝、設定同運行課程時常見問題嘅解決方法。
學生，使用呢個課程時，請將整個倉庫 Fork 去你自己嘅 GitHub 帳戶，並單獨或同組員完成練習：
- 由課前小測驗開始。
- 閱讀講義並完成活動，喺每個知識檢查步驟停低反思。
- 盡量透過理解課堂內容去建立專案，而唔係直接執行解答代碼；不過每個以專案為導向嘅課程嘅 /solution 資料夾都有解答代碼可供參考。
- 做課後小測驗。
- 完成挑戰。
- 完成作業。
- 完成一組課程後，請到 討論板 透過填寫相應嘅 PAT 評量表去「大聲學習」。PAT（Progress Assessment Tool）係一個讓你填寫以促進學習嘅評分規準。你亦可以對其他人嘅 PAT 作出回應，大家一齊學習。
如要深入學習，建議跟隨呢啲 Microsoft Learn 模組同學習路徑。
老師們，我哋喺 for-teachers.md 提供咗一啲使用呢個課程嘅建議。
部分課程有短片形式嘅教學影片。你可以喺課堂內直接嵌入嘅位置睇到，或者按下面嘅圖片去 Microsoft Developer YouTube 頻道嘅 ML for Beginners 播放清單。
Gif 由 Mohit Jaisal
🎥 按上面嘅圖片睇一段關於呢個項目同創建者嘅影片！
我哋喺建立呢個課程時，選擇咗兩個教學原則：確保課程以實作為主（專案導向），並包含頻繁嘅小測驗。此外，課程有一個共同嘅主題令內容更有連貫性。
透過將內容與專案對齊，學習過程對學生會更有吸引力，概念記憶亦會加強。另外，課前嘅低壓力小測驗能夠令學生設定學習意向，而課後嘅第二次小測驗則有助鞏固記憶。呢個課程設計彈性而有趣，可以整套修讀或者按需選讀。專案由簡單開始，到 12 週循環結束時變得越來越複雜。課程亦包括一篇關於機器學習實際應用嘅後記，可作為加分題或討論基礎。
關於程式語言嘅說明：呢啲課程主要以 Python 撰寫，但好多課程都有 R 版本。要完成 R 課程，請到
/solution資料夾並尋找 R 課程。呢啲檔案會有 .rmd 副檔名，代表 R Markdown 檔案，簡單嚟講就係喺一個 Markdown 文件內嵌入code chunks（R 或其他語言嘅程式碼）同YAML header（指示如何格式化輸出例如 PDF）。因此，佢係數據科學嘅一個典範化撰寫框架，因為你可以將程式碼、其輸出同你嘅想法一齊用 Markdown 寫低。另外，R Markdown 文件可以渲染成 PDF、HTML 或 Word 等輸出格式。
關於小測驗嘅說明：所有小測驗都放喺 Quiz App folder，總共有 52 個測驗，每個測驗包含三條問題。課堂內會有連結，但你亦可以喺本地執行 quiz app；請跟隨
quiz-app資料夾內嘅指示去本地託管或部署到 Azure。
| 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 | 簡介 | 學習機器學習背後的基本概念 | 課程 | Muhammad |
| 02 | 機器學習的歷史 | 簡介 | 了解此領域背後的歷史 | 課程 | Jen and Amy |
| 03 | 公平性與機器學習 | 簡介 | 在建立和應用機器學習模型時，學生應該考慮哪些有關公平性的重大哲學議題？ | 課程 | Tomomi |
| 04 | 機器學習的技術 | 簡介 | 機器學習研究人員用哪些技術來建立模型？ | 課程 | Chris and Jen |
| 05 | 回歸分析簡介 | 回歸 | 使用 Python 與 Scikit-learn 開始回歸模型 | Python • R | Jen • Eric Wanjau |
| 06 | 北美地區南瓜價格 🎃 | 回歸 | 視覺化並清理數據以準備機器學習 | Python • R | Jen • Eric Wanjau |
| 07 | 北美地區南瓜價格 🎃 | 回歸 | 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 🎃 | 回歸 | 建立邏輯斯迴歸模型 | Python • R | Jen • Eric Wanjau |
| 09 | 網頁應用 🔌 | 網頁應用 | 建立一個網頁應用以使用你訓練好的模型 | Python | Jen |
| 10 | 分類簡介 | 分類 | 清理、預處理並視覺化你的數據；分類入門 | Python • R | Jen and Cassie • Eric Wanjau |
| 11 | 美味的亞洲與印度料理 🍜 | 分類 | 分類器介紹 | Python • R | Jen and Cassie • Eric Wanjau |
| 12 | 美味的亞洲與印度料理 🍜 | 分類 | 更多分類器 | Python • R | Jen and Cassie • Eric Wanjau |
| 13 | 美味的亞洲與印度料理 🍜 | 分類 | 使用你的模型建立推薦系統網頁應用 | Python | Jen |
| 14 | 分群簡介 | 分群 | 清理、預處理並視覺化你的數據；分群入門 | Python • R | Jen • Eric Wanjau |
| 15 | 探索奈及利亞音樂喜好 🎧 | 分群 | 探索 K-Means 分群方法 | Python • R | Jen • Eric Wanjau |
| 16 | 自然語言處理簡介 ☕️ | 自然語言處理 | 透過構建一個簡單機器人學習 NLP 的基礎知識 | Python | Stephen |
| 17 | 常見的 NLP 任務 ☕️ | 自然語言處理 | 透過了解處理語言結構時常見的任務來深化你的 NLP 知識 | Python | Stephen |
| 18 | 翻譯與情感分析 |
自然語言處理 | 用簡·奧斯汀的作品進行翻譯與情感分析 | Python | Stephen |
| 19 | 歐洲浪漫旅館 |
自然語言處理 | 使用旅館評論進行情感分析 1 | Python | Stephen |
| 20 | 歐洲浪漫旅館 |
自然語言處理 | 使用旅館評論進行情感分析 2 | Python | Stephen |
| 21 | 時間序列預測簡介 | 時間序列 | 時間序列預測介紹 | Python | Francesca |
| 22 | ⚡️ 全球電力使用 ⚡️ - 使用 ARIMA 的時間序列預測 | 時間序列 | 使用 ARIMA 的時間序列預測 | Python | Francesca |
| 23 | ⚡️ 全球電力使用 ⚡️ - 使用 SVR 的時間序列預測 | 時間序列 | 使用支持向量回歸器的時間序列預測 | Python | Anirban |
| 24 | 強化學習簡介 | 強化學習 | 使用 Q-Learning 的強化學習入門 | Python | Dmitry |
| 25 | 幫助彼得避開狼！ 🐺 | 強化學習 | 強化學習 Gym | Python | Dmitry |
| Postscript | 真實世界的機器學習情境與應用 | 實務中的 ML | 有趣且具啟發性的經典機器學習真實應用 | 課程 | 團隊 |
| Postscript | 使用 RAI 儀表板進行機器學習模型除錯 | 實務中的 ML | 使用 Responsible AI 儀表板元件進行機器學習模型除錯 | 課程 | Ruth Yakubu |
你可以使用 Docsify 離線運行此文件。Fork 此倉庫，安裝 Docsify 在你的本機，然後在此倉庫的根目錄中輸入 docsify serve。網站將在本地的 3000 埠提供：localhost:3000。
在 這裡 找到包含連結的課程 PDF。
我們團隊還製作了其他課程！看看：
-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA){kind=icon}
-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC){kind=icon}
-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9){kind=icon}
如果你在構建 AI 應用程式時遇到瓶頸或有任何問題，歡迎加入學習者與經驗豐富的開發者，一同參與有關 MCP 的討論。這是一個互相支持的社群，歡迎提問並自由分享知識。
如果你在開發過程中有產品回饋或遇到錯誤，請造訪：
免責聲明： 本文件由 AI 翻譯服務 Co‑op Translator（https://github.com/Azure/co-op-translator）翻譯。雖然我們致力確保準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的原文應視為權威來源。對於重要資訊，建議採用專業人工翻譯。對於因使用本翻譯而導致的任何誤解或錯誤詮釋，我們概不負責。