阿拉伯文 | 孟加拉文 | 保加利亞文 | 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） | 克羅地亞文 | 捷克文 | 丹麥文 | 荷蘭文 | 愛沙尼亞文 | 芬蘭文 | 法文 | 德文 | 希臘文 | 希伯來文 | 印地文 | 匈牙利文 | 印尼文 | 義大利文 | 日文 | 卡納達文 | 高棉文 | 韓文 | 立陶宛文 | 馬來文 | 馬拉雅拉姆文 | 馬拉地文 | 尼泊爾文 | 奈及利亞俚語 | 挪威文 | 波斯文（法爾西語） | 波蘭文 | 葡萄牙文（巴西） | 葡萄牙文（葡萄牙） | 旁遮普文（古魯穆奇體） | 羅馬尼亞文 | 俄文 | 塞爾維亞文（西里爾字母） | 斯洛伐克文 | 斯洛文尼亞文 | 西班牙文 | 斯瓦希里文 | 瑞典文 | 他加祿文（菲律賓語） | 泰米爾文 | 泰盧固文 | 泰文 | 土耳其文 | 烏克蘭文 | 烏爾都文 | 越南文
想本地克隆？
此儲存庫包含超過 50 種語言翻譯，會大幅增加下載大小。若想不含翻譯克隆，請使用 sparse checkout：
Bash / macOS / Linux:
git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git cd ML-For-Beginners git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'CMD (Windows):
git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git cd ML-For-Beginners git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"這樣你能以更快速度完成下載，並擁有完成課程所需的所有內容。
我們推出了 Discord 上的「與 AI 一起學習」系列，了解詳情並於 2025 年 9 月 18 至 30 日加入我們，網址：Learn with AI Series。你將學習如何用 GitHub Copilot 於資料科學中獲得小技巧和秘訣。
🌍 環遊世界，透過世界文化探索機器學習 🌍
微軟的 Cloud Advocates 很高興提供一套 12 週，共 26 節課的機器學習課程。在本課程中，你會學習所謂的 經典機器學習，主要使用 Scikit-learn 函式庫，避開深度學習，後者可在我們的 AI初學者課程中學習。這些課程也可搭配我們的 '初學者資料科學'課程使用！
跟著我們環遊世界，將這些經典技術應用於各地的數據。每節課都包含課前及課後小測驗、書面指引、解答、作業等。我們的專案導向教學法讓你在動手實做中學習，是幫助新技能內化的有效方式。
✍️ 衷心感謝作者團隊： Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu 和 Amy Boyd
🎨 亦感謝插畫師： Tomomi Imura, Dasani Madipalli, 和 Jen Looper
🙏 特別感謝微軟學生大使作者、審核與內容貢獻者，尤其是 Rishit Dagli、Muhammad Sakib Khan Inan、Rohan Raj、Alexandru Petrescu、Abhishek Jaiswal、Nawrin Tabassum、Ioan Samuila 和 Snigdha Agarwal
🤩 額外感謝微軟學生大使 Eric Wanjau、Jasleen Sondhi 和 Vidushi Gupta 協助 R 課程！
請依照以下步驟：
- Fork 儲存庫：點擊頁面右上角的「Fork」按鈕。
- Clone 儲存庫：
git clone https://github.com/microsoft/ML-For-Beginners.git
🔧 需要幫助？ 請查看我們的 故障排除指南，協助解決安裝、設定和執行課程常見問題。
學生，使用本課程時，請 fork 整個儲存庫到你的 GitHub 帳號，自行或與組員一起完成練習：
- 先從課前小測開始。
- 閱讀課程內容並完成任務，每個知識檢測時刻停思考。
- 嘗試理解課程內容後自己動手創作專案，解答程式碼位於每個專案課程中的
/solution資料夾。 - 完成課後小測。
- 完成挑戰題。
- 完成作業。
- 完成一組課程後，前往 討論區，透過填寫合適的 PAT 評分表「大聲學習」。'PAT' 是進度評估工具，透過表格幫助你學習。你也可以回應他人 PAT，一起進步。
進一步學習，我們推薦參考以下 Microsoft Learn 模組及學習路徑。
教師們，我們有在 使用建議 提供一些參考。
部分課程提供短影片說明。你可於課程中直接觀看，或至 Microsoft Developer YouTube 頻道的 ML for Beginners 播放列表點擊下方圖片觀看。
GIF 製作由 Mohit Jaisal
🎥 點擊上方圖片觀看本專案及團隊影片介紹！
本課程設計遵循兩大教學原則：確保內容是實作 專案導向，並包含 頻繁的小測驗。此外，本課程有統一的 主題 ，增強一致性。
透過專案對應課程內容，讓學習更投入並提升觀念記憶。課前低壓力小測目的是啟發學習意圖，課後測驗則有助鞏固記憶。本課程設計靈活有趣，可全程參與或挑選部分學習。專案由淺入深，12 週結束時達較高難度。本課程另附機器學習真實應用的補充章節，可用做額外加分或討論話題。
關於語言的說明：這些課程主要以 Python 編寫，但許多也有提供 R 語言版本。要完成 R 課程，請前往
/solution資料夾尋找 R 課程。它們包含一個 .rmd 副檔名，代表 R Markdown 檔案，這可簡單定義為在一個Markdown 文件中嵌入程式碼區塊（R 或其他語言）和一個YAML 標頭（指導如何格式化輸出，如 PDF）。因此，它是數據科學的典範創作框架，因為它允許你將程式碼、輸出結果和思考結合起來，並允許你用 Markdown 書寫。此外，R Markdown 文件可以渲染成 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 folder 中，共 52 組，每組有三個問題。它們在課程中有連結，但測驗應用程式可以本地執行；請遵循
quiz-app資料夾中的指示進行本地架設或部署到 Azure。
| 課程編號 | 主題 | 課程分組 | 學習目標 | 合作課程 | 作者 |
|---|---|---|---|---|---|
| 01 | 機器學習簡介 | Introduction | 學習機器學習的基本概念 | 課程 | Muhammad |
| 02 | 機器學習的歷史 | Introduction | 學習此領域的歷史背景 | 課程 | Jen and Amy |
| 03 | 公平性與機器學習 | Introduction | 建構及應用機器學習模型時，學生應考慮哪些重要的公平性哲學議題？ | 課程 | Tomomi |
| 04 | 機器學習技術 | Introduction | 機器學習研究者用哪些技術來建構機器學習模型？ | 課程 | Chris and Jen |
| 05 | 回歸模型介紹 | Regression | 使用 Python 和 Scikit-learn 入門回歸模型 | Python • R | Jen • Eric Wanjau |
| 06 | 北美南瓜價格 🎃 | Regression | 進行視覺化以及資料清理以準備機器學習 | Python • R | Jen • Eric Wanjau |
| 07 | 北美南瓜價格 🎃 | Regression | 建構線性與多項式回歸模型 | Python • R | Jen and Dmitry • Eric Wanjau |
| 08 | 北美南瓜價格 🎃 | Regression | 建構邏輯斯迴歸模型 | Python • R | Jen • Eric Wanjau |
| 09 | 網頁應用程式 🔌 | Web App | 建構網頁應用程式以使用你的訓練模型 | Python | Jen |
| 10 | 分類介紹 | Classification | 清理、準備並視覺化你的資料；分類概論 | Python • R | Jen and Cassie • Eric Wanjau |
| 11 | 美味的亞洲和印度料理 🍜 | Classification | 分類器介紹 | Python • R | Jen and Cassie • Eric Wanjau |
| 12 | 美味的亞洲和印度料理 🍜 | Classification | 更多分類器 | Python • R | Jen and Cassie • Eric Wanjau |
| 13 | 美味的亞洲和印度料理 🍜 | Classification | 使用你的模型建構推薦網頁應用程式 | Python | Jen |
| 14 | 分群介紹 | Clustering | 清理、準備並視覺化你的資料；分群介紹 | Python • R | Jen • Eric Wanjau |
| 15 | 探索尼日利亞音樂喜好 🎧 | Clustering | 探索 K 均值分群法 | Python • R | Jen • Eric Wanjau |
| 16 | 自然語言處理介紹 ☕️ | Natural language processing | 透過建立簡單機器人學習 NLP 基礎知識 | Python | Stephen |
| 17 | 常見 NLP 任務 ☕️ | Natural language processing | 增進 NLP 知識，了解處理語言結構時所需的常見任務 | Python | Stephen |
| 18 | 翻譯與情感分析 |
Natural language processing | 使用簡·奧斯汀進行翻譯與情感分析 | Python | Stephen |
| 19 | 歐洲浪漫旅館 |
Natural language processing | 透過旅館評論進行情感分析 1 | Python | Stephen |
| 20 | 歐洲浪漫旅館 |
Natural language processing | 透過旅館評論進行情感分析 2 | Python | Stephen |
| 21 | 時間序列預測介紹 | Time series | 時間序列預測介紹 | Python | Francesca |
| 22 | ⚡️ 世界用電量 ⚡️ - 使用 ARIMA 的時間序列預測 | Time series | 使用 ARIMA 進行時間序列預測 | Python | Francesca |
| 23 | ⚡️ 世界用電量 ⚡️ - 使用 SVR 的時間序列預測 | Time series | 使用支援向量回歸器進行時間序列預測 | Python | Anirban |
| 24 | 強化學習介紹 | Reinforcement learning | 使用 Q-Learning 介紹強化學習 | Python | Dmitry |
| 25 | 幫助彼得避開狼！🐺 | Reinforcement learning | 強化學習 Gym | Python | Dmitry |
| 附錄 | 現實世界中的機器學習場景與應用 | ML in the Wild | 有趣且啟發性的經典機器學習真實應用 | 課程 | Team |
| 附錄 | 使用 RAI 控制台進行機器學習模型除錯 | ML in the Wild | 使用 Responsible AI 控制台元件進行機器學習模型除錯 | 課程 | Ruth Yakubu |
你可以使用 Docsify 離線瀏覽此文件。Fork 此倉庫，在本機安裝 Docsify，然後在此倉庫根目錄下執行 docsify serve。網站會在本地主機（localhost） 3000 埠上提供：localhost:3000。
在此處找到帶有連結的課程大綱 pdf here。
我們團隊製作了其他課程！請參考：
-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}
如果您在學習機器學習或構建 AI 應用時遇到困難或有問題，別擔心 — 有幫助可以取得。
您可以與其他學習者和開發者一起參與討論、提問，以及分享您的想法。
- 加入社群，向他人提問並一起學習
- 討論機器學習概念和專案想法
- 獲取有經驗開發者的指導
有支援性的社群是成長技能和更快解決問題的好方法。
如果您遇到錯誤、異常或有改進建議，也可以在此庫中開啟 Issue 來回報問題。
如需產品反饋或搜尋現有社群帖子，請訪問開發者論壇：
- 每課後複習筆記本以加深理解。
- 練習自己實作演算法。
- 運用所學概念探索真實世界資料集。
免責聲明：
本文件使用 AI 翻譯服務 Co-op Translator 進行翻譯。雖然我們致力於確保準確性，但請注意自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要資訊，建議採用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。