ML-For-Beginners - 12週間、26レッスン、52クイズ、すべて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 のコントリビューター GitHub の問題 GitHub プルリクエスト PRへようこそ

GitHub ウォッチャー GitHub フォーク GitHub のスター

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 Cloud Advocates 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喜んで提供します。このカリキュラムでは、古典的な機械学習と呼ばれるものについて学び、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します。これらのレッスンを「初心者向けデータサイエンス」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、世界中を旅しましょう。各レッスンには、レッスン前とレッスン後のクイズ、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学は、新しいスキルが「固執」するための実証済みの方法である構築中に学ぶことを可能にします。

✍️ 著者への心からの感謝ジェン・ルーパー、スティーブン・ハウエル、フランチェスカ・ラッツェリ、井村智美、キャシー・ブレヴィウ、ドミトリー・ソシニコフ、クリス・ノーリング、アニルバン・ムケルジー、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 Rishit Dagli、Muhammad Sakib Khan Inan、Rohan Raj、Alexandru Petrescu、Abhishek Jaiswal、Nawrin Tabassum、Ioan Samuila、Snigdha Agarwal に特に感謝します🙏

🤩マイクロソフトの学生アンバサダーである Eric Wanjau 氏に、R レッスンに感謝の意を表します。


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、あなた自身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しょう。
  • 講義を読み、活動を完了し、各知識チェックで一時停止して反映します。
  • ソリューションコードを実行するのではなく、教訓を理解することによっ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の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ましょう。
  • チャレンジを完了します。
  • 割り当てを完了します。
  • レッスングループを完了したら、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、学習を進め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,この教科課程の使い方について幾つかの提案をしました


チーム紹介

プロモーションビデオ

ジフ by モヒット・ジャイサル

🎥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、私たちは2つの教育的教義を選択しました:それが実践的なプロジェクトベースであることと、頻繁なクイズを含むことを確実にすることです。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するようにすることで、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、クラスの前の低ステークスクイズは、トピックを学ぶことに対する学生の意図を設定し、授業後の2回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、全体的または部分的に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、12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の現実世界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、または議論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。私たちはあなたの建設的なフィードバックを歓迎します!

各レッスンには以下が含まれます。

  • 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、プロジェクトを構築する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。これには、R Markdownファイルを表す.rmd拡張子が含まれており、これは単に(Rまたは他の言語の)埋め込みとして定義でき、a(PDFなどの出力をフォーマットする方法をガイドする)です。そのため、Markdownに書き留めることで、コード、その出力、および思考を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 Markdown 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

イズに関する注意:すべてのクイズは、それぞれ3つの質問の52の合計クイズのために、このアプリに含まれています。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 学習目標 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 この分野の根底にある歴史を学ぶ レッスン ジェンとエイミー
03 公平性と機械学習 紹介 MLモデルを構築して適用する際に学生が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 の研究者は、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 回帰モデルのための Python と Scikit-learn を使い始める
  • 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 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 データをクリーンアップ、準備、視覚化します。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 データをクリーンアップ、準備、視覚化します。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 クラスタリング法の詳細を見る
  • 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で、NLPの知識を深める ニシキヘビ スティーブン
18 翻訳とセンチメント分析 ♥️ 自然言語処理 ジェーン・オースティンとの翻訳と感情分析 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 センチメント分析 と ホテル・レビュー 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 センチメント分析 と 評価 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 有馬による時系列予測 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 サポートベクター回帰による時系列予測 ニシキヘビ アニルバン
24 強化学習の紹介 強化学習 Qラーニングによる強化学習の紹介 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 ML in the Wild 古典的なMLの興味深く、明らかに現実世界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、ローカルマシンに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に「」と入力します。ウェブサイトはローカルホストのポート3000で提供されます: 。

docsify serve
localhost:3000

ティッカー

リンク付きのカリキュラムのpdfはこちらからご覧ください

ヘルプ募集!

翻訳を寄稿しますか?翻訳ガイドラインをお読みになり、ワークロードを管理するためのテンプレート化された問題をここに追加してください。

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制作しています!チェックアウト: