ML-For-Beginners - 2 周，26 节课，52 次练习，适合所有人的经典机器学习
面向初学者的机器学习 - 课程
🌍 环游世界，探索世界文化🌍 中的机器学习
微软的 Azure 云倡导者很高兴提供为期 12 周、每节课、每节课的机器学习课程。在本课程中，你将学习有时称为经典机器学习的内容，主要使用Scikit-learn作为库，避免深度学习，这在我们即将推出的“初学者AI”课程中有所介绍。将这些课程与我们的“初学者数据科学”课程配对！
与我们一起环游世界，将这些经典技术应用于来自世界许多地区的数据。每节课都包括课前和课后测验、完成课程的书面说明、解决方案、作业等。我们基于项目的教学法允许你在构建的同时学习，这是一种行之有效的新技能“坚持”的方式。
开始
学生，要使用此课程，请将整个存储库分叉到你自己的 GitHub 帐户，并自行或与小组一起完成练习：
- 从讲座前测验开始。
- 阅读讲座并完成活动，在每次知识检查时暂停和反思。
- 尝试通过理解课程而不是运行解决方案代码来创建项目;但是，该代码在每个面向项目的课程的文件夹中都可用。
/solution
- 参加课后测验。
- 完成挑战。
- 完成作业。
- 完成课程组后，访问讨论区并通过填写适当的PAT量规来“大声学习”。“PAT”是一种进度评估工具，是你填写的量规，用于进一步学习。你还可以对其他 PAT 做出 React ，以便我们一起学习。
为了进一步学习，我们建议遵循这些 Microsoft Learn 模块和学习路径。
老师们，我们已经提供了一些关于如何使用这门课程的建议。
认识团队
Mohit Jaisal 的 GIF
🎥 单击上面的图像以获取有关该项目和创建它的人的视频！
教育学
在构建此课程时，我们选择了两个教学原则：确保它是基于实践项目的，并且包括频繁的测验。此外，该课程有一个共同的主题，以使其具有凝聚力。
通过确保内容与项目保持一致，该过程对学生更具吸引力，并且概念的保留将得到增强。此外，课前的低风险测验设定了学生学习主题的意图，而课后的第二次测验可确保进一步的保留。该课程设计灵活有趣，可以全部或部分进行。这些项目从小规模开始，到12周周期结束时变得越来越复杂。本课程还包括关于ML实际应用的后记，可以用作额外的学分或作为讨论的基础。
每节课包括：
- 可选草图注释
- 可选的补充视频
- 课前热身测验
- 书面课程
- 对于基于项目的课程，有关如何构建项目的分步指南
- 知识检查
- 一个挑战
- 补充阅读
- 分配
- 课后测验
关于语言的说明：这些课程主要是用Python编写的，但许多课程也用R编写。若要完成 R 课程，请转到文件夹并查找 R 课程。它们包括一个.rmd扩展名，它代表一个R Markdown文件，可以简单地定义为嵌入（R或其他语言）和一个（指导如何格式化输出，如PDF）在.因此，它可以作为数据科学的示例创作框架，因为它允许你通过允许你在 Markdown 中编写代码、输出和想法来组合它们。此外，R Markdown 文档可以呈现为输出格式，如 PDF、HTML 或 Word。
/solutioncode chunksYAML headerMarkdown document
关于测验的说明：所有测验都包含在此应用程序中，总共有 52 个测验，每个测验三个问题。它们从课程内链接，但测验应用程序可以在本地运行;按照文件夹中的说明进行操作。
quiz-app
| 课数 | 主题 | 课程分组 | 学习目标 | 链接课程 | 作者 |
|---|---|---|---|---|---|
| 01 | 机器学习简介 | 介绍 | 了解机器学习背后的基本概念 | 课 | 穆罕默德 |
| 02 | 机器学习的历史 | 介绍 | 了解此领域背后的历史 | 课 | 珍和艾米 |
| 03 | 公平和机器学习 | 介绍 | 学生在构建和应用 ML 模型时应考虑哪些关于公平的重要哲学问题？ | 课 | 智美 |
| 04 | 机器学习技术 | 介绍 | ML 研究人员使用哪些技术来构建 ML 模型？ | 课 | 克里斯和珍 |
| 05 | 回归简介 | 回归 | 开始使用Python和Scikit-learn进行回归模型 |
|
|
| 06 | 北美南瓜价格 |
回归 | 可视化和清理数据，为 ML 做好准备 |
|
|
| 07 | 北美南瓜价格 |
回归 | 构建线性和多项式回归模型 |
|
|
| 08 | 北美南瓜价格 |
回归 | 构建逻辑回归模型 |
|
|
| 09 | 一个网络应用 |
网页应用 | 构建 Web 应用以使用经过训练的模型 | 蟒 | 他 |
| 10 | 分类简介 | 分类 | 清理、准备和可视化数据;分类简介 |
|
|
| 11 | 美味的亚洲和印度美食 |
分类 | 分类器简介 |
|
|
| 12 | 美味的亚洲和印度美食 |
分类 | 更多分类器 |
|
|
| 13 | 美味的亚洲和印度美食 |
分类 | 使用模型构建推荐器 Web 应用 | 蟒 | 他 |
| 14 | 聚类简介 | 聚类 | 清理、准备和可视化数据;聚类简介 |
|
|
| 15 | 探索尼日利亚音乐品味 |
聚类 | 探索 K 均值聚类方法 |
|
|
| 16 | 自然语言处理 |
自然语言处理 | 通过构建简单的机器人来了解有关 NLP 的基础知识 | 蟒 | 斯蒂芬 |
| 17 | 常见的 NLP 任务 |
自然语言处理 | 通过了解处理语言结构时所需的常见任务来加深你的 NLP 知识 | 蟒 | 斯蒂芬 |
| 18 | 翻译和情感分析 |
自然语言处理 | 简·奥斯汀的翻译和情感分析 | 蟒 | 斯蒂芬 |
| 19 | 欧洲 |
自然语言处理 | 情感分析与酒店评论 1 | 蟒 | 斯蒂芬 |
| 20 | 欧洲 |
自然语言处理 | 情绪分析与酒店评论 2 | 蟒 | 斯蒂芬 |
| 21 | 时间序列预测简介 | 时间序列 | 时间序列预测简介 | 蟒 | 弗朗西丝卡 |
| 22 | 时间序列 | 使用 ARIMA 进行时间序列预测 | 蟒 | 弗朗西丝卡 | |
| 23 | 时间序列 | 使用支持向量回归器进行时间序列预测 | 蟒 | 阿尼班 | |
| 24 | 强化学习简介 | 强化学习 | Q-Learning 强化学习简介 | 蟒 | 德米特里 |
| 25 | 帮助彼得避开狼！ |
强化学习 | 强化学习健身房 | 蟒 | 德米特里 |
| 附言 | 真实世界的 ML 场景和应用程序 | 野外的ML | 经典 ML 的有趣且揭示性的实际应用 | 课 | 团队 |
离线访问
你可以使用 Docsify 脱机运行本文档。分叉此存储库，在本地计算机上安装 Docsify，然后在此存储库的根文件夹中键入 。该网站将在本地主机上的端口 3000 上提供服务：。
docsify serve
localhost:3000
目录
在此处查找带有链接的课程 pdf。
需要帮助！
你想提供翻译吗？请阅读我们的翻译指南，并在此处添加模板化问题以管理工作量。
其他课程
我们的团队制作其他课程！退房：
