🌐 多語言支援

透過 GitHub Action 支援（自動化且永遠保持最新）

阿拉伯語 | 孟加拉語 | 保加利亞語 | 緬甸語 (Myanmar) | 中文（簡體） | 中文（繁體，香港） | 中文（繁體，澳門） | 中文（繁體，臺灣） | 克羅埃西亞語 | 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 | 坎納達語 | 高棉語 | 韓語 | 立陶宛語 | 馬來語 | 馬拉雅拉姆語 | 馬拉地語 | 尼泊爾語 | 奈及利亞洋泾浜英語 | 挪威語 | 波斯語 (Farsi) | 波蘭語 | 葡萄牙語 (巴西) | 葡萄牙語 (葡萄牙) | 旁遮普語 (Gurmukhi) | 羅馬尼亞語 | 俄語 | 塞爾維亞語 (西里爾字母) | 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 | 泰盧固語 | 泰語 | 土耳其語 | 烏克蘭語 | 烏爾都語 | 越南語

偏好本機複製？

本儲存庫包含超過 50 種語言的翻譯，會大幅增加下載大小。若想在無翻譯的情況下進行複製，請使用稀疏簽出：

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"

這將讓您以更快的速度下載，並取得完成課程所需的一切。

加入我們的社群

我們有一個持續進行的 Discord AI 學習系列，詳細資訊與加入請見 Learn with AI Series，活動時間為 2025 年 9 月 18 日至 30 日。您將獲得使用 GitHub Copilot 進行資料科學的技巧與祕訣。

給初學者的機器學習課程

🌍 隨著我們透過世界各地的文化探索機器學習，環遊世界一圈吧 🌍

微軟的雲端倡導者很高興提供一個為期 12 週、共 26 課的完整課程，專注於 機器學習。在本課程中，您將學習通常被稱作 經典機器學習 的內容，主要使用 Scikit-learn 作為函式庫，並避免深度學習，深度學習內容可在我們的 AI 初學者課程 中找到。這些課程也可與我們的 '資料科學初學者課程' 搭配使用！

與我們一起環遊世界，將這些經典技術應用於來自世界各地的資料。每課包括課前與課後測驗、書面教學說明、解答、作業等。我們的專案導向教學法讓您在實作中學習，是培養新技能的有效方法。

✍️ 衷心感謝作者 Jen Looper、Stephen Howell、Francesca Lazzeri、Tomomi Imura、Cassie Breviu、Dmitry Soshnikov、Chris Noring、Anirban Mukherjee、Ornella Altunyan、Ruth Yakubu 及 Amy Boyd

🎨 同時感謝插畫師 Tomomi Imura、Dasani Madipalli 及 Jen Looper

🙏 特別感謝 Microsoft 學生大使作者、審閱者與內容貢獻者，尤其是 Rishit Dagli、Muhammad Sakib Khan Inan、Rohan Raj、Alexandru Petrescu、Abhishek Jaiswal、Nawrin Tabassum、Ioan Samuila 與 Snigdha Agarwal

🤩 額外感謝 Microsoft 學生大使 Eric Wanjau、Jasleen Sondhi 及 Vidushi Gupta 為我們帶來的 R 課程！

開始使用

請依照以下步驟操作：

1. Fork 本儲存庫：點擊本頁右上角的「Fork」按鈕。
2. 複製儲存庫：git clone https://github.com/microsoft/ML-For-Beginners.git

於我們的 Microsoft Learn 集合中尋找此課程的所有額外資源

🔧 需要協助？ 請查看我們的 故障排除指南，獲得安裝、設定及執行課程時通用問題的解決方案。

學生，欲使用此課程，請將整個儲存庫 Fork 至您自己的 GitHub 帳號，並自行或與團體完成練習：

• 先完成課前測驗。
• 閱讀課程內容並完成活動，每個知識檢核時停下反思。
• 嘗試透過理解課程內容自行建立專案，而非僅執行解答程式碼；不過在各專案導向課程的 /solution 資料夾中會提供解答。
• 進行課後測驗。
• 完成挑戰題。
• 完成作業。
• 完成一組課程後，請訪問 討論區，並透過填寫相對應的 PAT 評分表「大聲學習（learn out loud）」。PAT 是「進度評估工具」，您可透過填寫它來促進自己的學習。您也可以對其他人的 PAT 表示回應，讓我們一起學習。

若想更深入學習，我們建議跟隨這些 Microsoft Learn 模組及學習路徑。

教師，我們有 包含一些建議 如何使用此課程。

---

影片導覽

部分課程有提供短影片說明。您可以在課程中內嵌觀賞，或於 Microsoft Developer YouTube 頻道的 ML for Beginners 播放清單 中觀看，點選下方圖片可前往。

---

團隊介紹

動圖製作者 Mohit Jaisal

🎥 點擊上方圖片觀看介紹本計畫與其創作者的影片！

---

教學法

我們在建立這套課程時選擇了兩個教學原則：確保它是動手實作的 專案導向，並且包涵 頻繁的測驗。另外，本課程也有一個共通的 主題，以增加連貫性。

透過確保內容與專案對齊，讓學習流程更吸引學生且增強概念的記憶。此外，課前的低壓力測驗有助設定學生的學習目標，而課後測驗則促進知識的鞏固。此課程設計靈活且有趣，可完整學習或分段進行。專案從簡單開始，隨 12 週週期末漸趨複雜。課程還包含有關機器學習在現實世界應用的後記，能作為額外學分或討論基礎。

請查看我們的 行為準則、貢獻指南、翻譯 及 故障排除 指引。我們歡迎您的建設性回饋！

每堂課包含

• 選用的筆記草圖
• 選用的補充影片
• 影片導覽（部分課程）
• 課前暖身測驗
• 書面課程內容
• 專案導向課程中，建構專案的逐步指導
• 知識檢核
• 挑戰題
• 補充閱讀
• 作業
• 課後測驗

關於語言的說明：這些課程主要使用 Python 撰寫，但也有許多課程提供 R 語言版本。若要完成 R 課程，請至 /solution 資料夾中尋找 R 課程。它們包含 .rmd 副檔名，代表R Markdown檔案，這種檔案簡單定義為將 程式碼區塊（R 或其他語言）與 YAML 標頭（用來指導如何格式化輸出，如 PDF）嵌入於 Markdown 文件 中。因而，這是資料科學中代表性的撰寫框架，因為它允許你將程式碼、其輸出及想法結合並用 Markdown 撰寫。此外，R Markdown 文件可以輸出為 PDF、HTML 或 Word 等格式。

關於測驗的說明：所有測驗皆收錄於 Quiz App folder 中，共有 52 個測驗，每個測驗三題。它們從課程中連結，也可以在本機上運行測驗應用；請依照 quiz-app 資料夾中的指示進行本機託管或部署至 Azure。

Lesson Number	主題	課程群組	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	學習此領域背後的歷史	Lesson	Jen and Amy
03	公平性與機器學習	Introduction	在建立及應用 ML 模型時，學生應考慮的公平相關重要哲學議題	Lesson	Tomomi
04	機器學習技術	Introduction	ML 研究人員用來建立 ML 模型的技術有哪些？	Lesson	Chris and Jen
05	回歸介紹	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	在準備 ML 時，視覺化與清理資料	Python • R	Jen • Eric Wanjau
07	北美南瓜價格 🎃	Regression	建立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	建立邏輯回歸模型	Python • R	Jen • Eric Wanjau
09	Web 應用 🔌	Web App	建立一個可以使用訓練模型的網頁應用	Python	Jen
10	分類介紹	Classification	清理、準備並視覺化資料；分類入門	Python • R	Jen and Cassie • Eric Wanjau
11	美味的亞洲與印度料理 🍜	Classification	分類器介紹	Python • R	Jen and Cassie • Eric Wanjau
12	美味的亞洲與印度料理 🍜	Classification	更多的分類器	Python • R	Jen and Cassie • Eric Wanjau
13	美味的亞洲與印度料理 🍜	Classification	使用模型構建推薦系統的網頁應用	Python	Jen
14	分群介紹	Clustering	清理、準備並視覺化資料；分群入門	Python • R	Jen • Eric Wanjau
15	探索奈及利亞音樂喜好 🎧	Clustering	探索 K-均值分群法	Python • R	Jen • Eric Wanjau
16	自然語言處理簡介 ☕️	Natural language processing	透過建立簡單機器人學習 NLP 基礎	Python	Stephen
17	常見的 NLP 任務 ☕️	Natural language processing	透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	以 Jane Austen 文學做翻譯與情感分析	Python	Stephen
19	歐洲浪漫飯店 ♥️	Natural language processing	使用飯店評論進行情感分析 1	Python	Stephen
20	歐洲浪漫飯店 ♥️	Natural language processing	使用飯店評論進行情感分析 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	⚡️ 全球用電量 ⚡️ - 使用 ARIMA 做時間序列預測	Time series	使用 ARIMA 進行時間序列預測	Python	Francesca
23	⚡️ 全球用電量 ⚡️ - 使用 SVR 做時間序列預測	Time series	使用支持向量回歸 (SVR) 進行時間序列預測	Python	Anirban
24	強化學習介紹	Reinforcement learning	強化學習 Q-Learning 介紹	Python	Dmitry
25	幫助 Peter 避開狼！🐺	Reinforcement learning	強化學習 Gym	Python	Dmitry
後記	實際世界中的機器學習情境與應用	ML in the Wild	傳統機器學習有趣且具啟發性的真實世界應用	Lesson	Team
後記	使用 RAI dashboard 進行機器學習模型偵錯	ML in the Wild	使用負責任 AI 儀表板元件進行機器學習模型偵錯	Lesson	Ruth Yakubu

在我們的 Microsoft Learn 集合中找到本課程的所有其他資源

離線使用

你可以使用 Docsify 離線執行此文件。將本存放庫分叉，於本機安裝 Docsify，然後在本存放庫根目錄輸入 docsify serve。網站會在本機的 3000 埠執行：localhost:3000。

PDF 檔案

請至此處下載一份帶有連結的課程綱要 PDF here。

🎒 其他課程

我們團隊還製作其他課程！請查看：

LangChain

Azure / Edge / MCP / Agents

---

生成式 AI 系列

---

核心學習

---

Copilot 系列

尋求幫助

如果你在學習機器學習或建立 AI 應用程式時遇到困難或有問題，別擔心 — 可以獲得協助。

你可以加入其他學習者與開發者的討論，提出問題，並與社群分享你的想法。

• 加入社群，一起提問與學習
• 討論機器學習概念與專案想法
• 獲得經驗豐富開發者的指導

有支持的社群是提升技能和更快解決問題的絕佳方式。

Microsoft Foundry Discord 社群

如果你遇到錯誤、問題，或有改進建議，也可以在此存放庫開啟 Issue 回報問題。

如需產品反饋或查找現有社群貼文，請造訪開發者論壇：

其他學習建議

• 課後回顧筆記本以加深理解。
• 練習自行實作演算法。
• 運用所學概念探索真實世界資料集。

---

免責聲明：
本文件係使用 AI 翻譯服務 Co-op Translator 進行翻譯。雖然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。原文文件及其母語版本應視為具權威性的內容來源。對於重要資訊，建議尋求專業人工翻譯。我們不對因使用本翻譯所產生的任何誤解或誤譯承擔責任。