🌍 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。
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。
/solution
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。
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。
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。
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。
/solutioncode chunksYAML headerMarkdown 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 |
|
|
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 |
|
|
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 |
|
|
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 |
|
|
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 |
|
|
11 | おいしいアジア料理とインド料理 |
分類 | 分類子の概要 |
|
|
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 |
|
|
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 |
|
|
15 | ナイジェリアの音楽の好み |
クラスタ リング | K-Means クラスタリング手法を調べる |
|
|
16 | 自然言語処理 |
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 |
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 |
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 | 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 | 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 |
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
リンク付きのカリキュラムのPDFを見つける 詳細を見る.
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。
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: