ML-For-Beginners - 12週間, 26 レッスン, 52 クイズ, すべての人のための古典的な機械学習

(12 weeks, 26 lessons, 52 quizzes, classic Machine Learning for all)

Created at: 2021-03-03 09:34:05
Language: Jupyter Notebook
License: MIT

GitHub ライセンス GitHub の貢献者 GitHub の問題 GitHub プルリクエスト PR歓迎

GitHub ウォッチャー GitHub フォーク GitHub の星

初心者のための機械学習 - カリキュラム

🌍世界文化🌍による機械学習を探求しながら世界中を旅する

マイクロソフトの Azure クラウド アドボケイトは、機械学習に関する 12 週間、26 レッスンのカリキュラムを提供できることを嬉しく思います。このカリキュラムでは、主にScikit-learnをライブラリとして使用し、今後の「初心者向けAI」カリキュラムでカバーされているディープラーニングを回避する、古典的な機械学習と呼ばれるものについて学びます。これらのレッスンを「初心者のためのデータサイエンス」カリキュラムと組み合わせてください。

これらの古典的な手法を世界の多くの地域のデータに適用しながら、世界中を旅してください。各レッスンには、レッスン前後のクイズ、レッスンを完了するための書面による指示、解決策、課題などが含まれています。私たちのプロジェクトベースの教育法は、新しいスキルを「定着」させるための実証済みの方法を構築しながら学ぶことを可能にします。

✍️ 著者に心から感謝しますジェン・ルーパー、スティーヴン・ハウエル、フランチェスカ・ラゼリ、井村智美、キャシー・ブレヴィウ、ドミトリー・ソシュニコフ、クリス・ノリング、アニルバン・ムカジー、オルネラ・アルトゥニャン、エイミー・ボイド

🎨 イラストレーターにも感謝します井村智美、ダサニ・マディパリ、ジェン・ルーパー

🙏 🙏 マイクロソフト学生アンバサダーの著者、レビュアー、コンテンツ寄稿者、特にリシット・ダグリ、ムハンマド・サキブ・カーン・イナン、ローハン・ラージ、アレクサンドル・ペトレスク、アビシェーク・ジャイスワル、ナウリン・タバスム、イオアン・サムイラ、スニグダ・アガルワルに感謝します。

🤩マイクロソフト学生アンバサダーの Eric Wanjau 氏に、R レッスンをしていただき、誠にありがとうございます。


はじめ

学生は、このカリキュラムを使用するには、リポジトリ全体を自分のGitHubアカウントにフォークし、自分で、またはグループで演習を完了します。

  • 講義前のクイズから始めます。
  • 講義を読み、アクティビティを完了し、各知識チェックで一時停止して振り返ります。
  • ソリューション コードを実行するのではなく、レッスンを理解してプロジェクトを作成してみてください。ただし、そのコードは、各プロジェクト指向レッスンのフォルダーで使用できます。
    /solution
  • 講義後のクイズに答えてください。
  • チャレンジを完了します。
  • 課題を完了します。
  • レッスングループを終えたら、ディスカッション掲示板にアクセスし、適切なPATルーブリックに記入して「大声で学ぶ」。「PAT」は、学習を促進するために記入するルーブリックである進捗評価ツールです。また、他のPATに反応して、一緒に学ぶこともできます。

さらに学習するには、これらの Microsoft Learn モジュールとラーニング パスに従うことをお勧めします。

教師の皆さん、このカリキュラムの使い方に関するいくつかの提案を含めました。


チームに会う

プロモーションビデオ

モヒット・ジャイサルによるギフ

🎥上の画像をクリックすると、プロジェクトとそれを作成した人々についてのビデオが表示されます。


教育学

このカリキュラムを構築する際に、実践的なプロジェクトベースであることと、頻繁なクイズが含まれていることを確認することの2つの教育的信条を選択しました。さらに、このカリキュラムには、まとまりを与えるための共通のテーマがあります。

コンテンツがプロジェクトと一致していることを確認することで、プロセスは学生にとってより魅力的になり、概念の保持が強化されます。さらに、授業前の低ステークスクイズはトピックの学習に向けた生徒の意図を設定し、授業後の12番目のクイズはさらなる保持を保証します。このカリキュラムは、柔軟で楽しいように設計されており、全体または一部を受講することができます。プロジェクトは小規模に始まり、<>週間のサイクルの終わりまでにますます複雑になります。このカリキュラムには、MLの実際のアプリケーションに関する追記も含まれており、追加のクレジットとして、またはディスカッションの基礎として使用できます。

行動規範貢献翻訳のガイドラインをご覧ください。建設的なフィードバックをお待ちしております。

各レッスンの内容:

  • オプションのスケッチノート
  • オプションの補足ビデオ
  • 講義前のウォームアップクイズ
  • 筆記レッスン
  • プロジェクトベースのレッスンについては、プロジェクトの構築方法に関するステップバイステップガイド
  • 知識チェック
  • 課題
  • 補足資料
  • 割り当て
  • 講義後のクイズ

言語に関する注意:これらのレッスンは主にPythonで書かれていますが、多くはRでも利用できます。R レッスンを完了するには、フォルダーに移動して R レッスンを探します。これらには、(Rまたは他の言語の)埋め込みとして簡単に定義できるRマークダウンファイルを表す.rmd拡張子と、(PDFなどの出力をフォーマットする方法をガイドする)が含まれます。そのため、コード、その出力、および考えをMarkdownに書き留めることで組み合わせることができるため、データサイエンスの模範的なオーサリングフレームワークとして機能します。さらに、R マークダウン ドキュメントは、PDF、HTML、Word などの出力形式にレンダリングできます。

/solution
code chunks
YAML header
Markdown document

クイズに関する注意:すべてのクイズはこのアプリに含まれており、それぞれ52つの質問の合計<>のクイズがあります。それらはレッスン内からリンクされていますが、クイズアプリはローカルで実行できます。フォルダ内の指示に従います。

quiz-app

レッスン番号 話題 レッスンのグループ化 学習の目的 リンクされたレッスン 著者
01 機械学習の概要 紹介 機械学習の背後にある基本的な概念を学ぶ レッスン ムハンマド
02 機械学習の歴史 紹介 この分野の基盤となる歴史を学ぶ レッスン ジェンとエイミー
03 公平性と機械学習 紹介 学生がMLモデルを構築して適用する際に考慮すべき公平性に関する重要な哲学的問題は何ですか? レッスン トモミ
04 機械学習のテクニック 紹介 ML 研究者は ML モデルを構築するためにどのような手法を使用しますか? レッスン クリスとジェン
05 回帰の概要 回帰 Python と Scikit の使用を開始する - 回帰モデルのための学習
  • ジェン
  • エリック・ワンジャウ
06 北米のカボチャの価格 🎃 回帰 ML に備えてデータを視覚化してクリーンアップする
  • ジェン
  • エリック・ワンジャウ
07 北米のカボチャの価格 🎃 回帰 線形回帰モデルと多項式回帰モデルの構築
  • ジェンとドミトリー
  • エリック・ワンジャウ
08 北米のカボチャの価格 🎃 回帰 ロジスティック回帰モデルの構築
  • ジェン
  • エリック・ワンジャウ
09 ウェブアプリ 🔌 ウェブアプリ トレーニング済みのモデルを使用するための Web アプリを構築する ニシキヘビ ジェン
10 分類の概要 分類 データのクリーニング、準備、視覚化を行います。分類の概要
  • ジェンとキャシー
  • エリック・ワンジャウ
11 おいしいアジア料理とインド料理 🍜 分類 分類子の概要
  • ジェンとキャシー
  • エリック・ワンジャウ
12 おいしいアジア料理とインド料理 🍜 分類 その他の分類子
  • ジェンとキャシー
  • エリック・ワンジャウ
13 おいしいアジア料理とインド料理 🍜 分類 モデルを使用してレコメンダー Web アプリを構築する ニシキヘビ ジェン
14 クラスタリングの概要 クラスタ リング データのクリーニング、準備、視覚化を行います。クラスタリングの概要
  • ジェン
  • エリック・ワンジャウ
15 ナイジェリアの音楽の好み🎧を探る クラスタ リング K-Means クラスタリング手法を調べる
  • ジェン
  • エリック・ワンジャウ
16 自然言語処理☕️入門 自然言語処理 シンプルなボットを構築してNLPの基本を学ぶ ニシキヘビ スティーブン
17 一般的な NLP タスク ☕️ 自然言語処理 言語構造を扱うときに必要な一般的なタスクを理解することにより、NLPの知識を深める ニシキヘビ スティーブン
18 翻訳と感情分析 ♥️ 自然言語処理 ジェーン・オースティンによる翻訳と感情分析 ニシキヘビ スティーブン
19 ヨーロッパの♥️ロマンチックなホテル 自然言語処理 ホテルレビューによる感情分析 1 ニシキヘビ スティーブン
20 ヨーロッパの♥️ロマンチックなホテル 自然言語処理 ホテルレビューによる感情分析 2 ニシキヘビ スティーブン
21 時系列予測の概要 時系列 時系列予測の概要 ニシキヘビ フランチェスカ
22 ⚡️世界の電力使用量 ⚡️ - ARIMA による時系列予測 時系列 ARIMA を使用した時系列予測 ニシキヘビ フランチェスカ
23 ⚡️世界の電力使用量 ⚡️ - SVR による時系列予測 時系列 サポートベクトル回帰を使用した時系列予測 ニシキヘビ アニルバン
24 強化学習入門 強化学習 Qラーニングによる強化学習入門 ニシキヘビ ドミトリー
25 ピーターがオオカミを避けるのを手伝ってください!🐺 強化学習 強化学習ジム ニシキヘビ ドミトリー
追伸 実際の ML シナリオとアプリケーション 野生のML 古典的MLの興味深く、明らかになる実際のアプリケーション レッスン チーム

オフライン アクセス

このドキュメントは、Docsify を使用してオフラインで実行できます。このリポジトリをフォークし、ローカル コンピューターに Docsify をインストールしてから、このリポジトリのルート フォルダーに次のように入力します。ウェブサイトはあなたのローカルホストのポート3000で提供されます:。

docsify serve
localhost:3000

PDFファイル

リンク付きのカリキュラムのPDFを見つける 詳細を見る.

ヘルプ募集!

翻訳を寄稿しませんか?翻訳ガイドラインを読み、ここでワークロードを管理するためのテンプレート化された課題を追加してください。

その他のカリキュラム

私たちのチームは他のカリキュラムを作成します!チェックアウト: