ML For Beginnersのダウンロード - ML For Beginnersソースコードのダウンロード

ML For Beginners

パイソン

1.0.0

ダウンロード

初心者のための機械学習 - カリキュラム

?世界の文化を活用して機械学習を探索しながら、世界中を旅してみませんか?

Microsoft の 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、AI for Beginners の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避けて、いわゆる古典的な機械学習について学習します。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さまざまな地域のデータに適用しながら、私たちと一緒に世界中を旅しましょう。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により、構築しながら学ぶことができ、新しいスキルを「定着」させる実証済みの方法です。

✍️ 著者の Jen Looper、Stephen Howell、Francesca Lazzeri、Tomomi Imura、Cassie Breviu、Dmitry Soshnikov、Chris Noring、Anirban Mukherjee、Ornella Altunyan、Ruth Yakubu、Amy Boyd に心から感謝します。

?イラストレーターの井村友美氏、ダサニ・マディパリ氏、ジェン・ルーパー氏にも感謝します。

Microsoft Student Ambassador の著者、レビュアー、コンテンツ寄稿者、特に Rishit Dagli、Muhammad Sakeb Khan Inan、Rohan Raj、Alexandru Petrescu、Abhishek Jaiswal、Nawrin Tabassum、Ioan Samuila、Snigdha Agarwal に心より感謝いたします。

? R のレッスンにご協力いただいた Microsoft Student Ambassador の Eric Wanjau 氏、Jasleen Sondhi 氏、Vidushi Gupta 氏に心より感謝いたします。

はじめる

次の手順に従います。

リポジトリをフォークする: このページの右上隅にある「フォーク」ボタンをクリックします。
リポジトリのクローンを作成します: git clone https://github.com/microsoft/ML-For-Beginners.git

このコースのすべての追加リソースを Microsoft Learn コレクションで見つけてください

学生の場合、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てください。

まずは講義前のクイズから。
講義を読み、知識を確認するたびに一時停止して振り返りながらアクティビティを完了します。
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するようにしてください。ただし、そのコードは、プロジェクト指向の各レッスンの/solutionフォルダーで利用できます。
講義後のクイズに答えてください。
チャレンジを完了してください。
課題を完了します。
レッスングループを完了したら、ディスカッションボードにアクセスし、適切な PAT ルーブリックに記入して「声に出して学習」してください。「PAT」は、学習をさらに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。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 モジュールと学習パスに従うことをお勧めします。

教師の皆様、このカリキュラムの使用方法についていくつかの提案を記載しました。

ビデオウォークスルー

一部のレッスンは短い形式のビデオとして利用できます。これらはすべて、レッスン内でインラインで見ることができます。また、下の画像をクリックすると、Microsoft Developer YouTube チャンネルの ML for Beginners プレイリストで見つけることができます。

初心者向け ML バナー

チームの紹介

プロモーションビデオ

モヒト・ジャイサルによるGIF

?上の画像をクリックして、プロジェクトとそれを作成した人々に関するビデオをご覧ください。

教育学

このカリキュラムを構築する際に、私たちは 2 つの教育上の原則を選択しました。それは、実践的なプロジェクトベースであることと、頻繁な小テストを含むことです。さらに、このカリキュラムには一貫性を持たせるために共通のテーマがあります。

コンテンツがプロジェクトと確実に一致するようにすることで、プロセスが学生にとってより魅力的なものになり、概念の保持が強化されます。さらに、授業前の低めのクイズにより、生徒のトピック学習への意図が定まり、授業後の 2 回目のクイズにより、さらに定着することが保証されます。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、全部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、12 週間のサイクルが終わるまでにますます複雑になっていきます。このカリキュラムには、ML の実際の応用に関する追記も含まれており、追加の単位として、またはディスカッションの基礎として使用できます。

当社の行動規範、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
ビデオウォークスルー（一部のレッスンのみ）
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の場合、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のガイド
知識チェック
挑戦
副読本
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、 /solution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) code chunksの埋め込みとして簡単に定義できるR Markdownファイルを表す .rmd 拡張子と、 Markdown document内のYAML header (PDF などの出力のフォーマット方法をガイドする) が含まれています。そのため、コード、その出力、および考えを Markdown で書き留めることができるため、これら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。

クイズに関する注意: すべてのクイズはクイズアプリフォルダーに含まれており、各 3 問の合計 52 問のクイズが含まれています。こ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。 quiz-appフォルダーの指示に従って、ローカルでホストするか、Azure にデプロイします。

レッスン番号	トピック	レッスンのグループ化	学習目標	連動レッスン	著者
01	機械学習の概要	導入	機械学習の背後にある基本概念を学ぶ	レッスン	ムハンマド
02	機械学習の歴史	導入	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	導入	学生が ML モデルを構築および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	ともみ
04	機械学習のテクニック	導入	ML 研究者は ML モデルを構築するためにどのようなテクニックを使用しますか?	レッスン	クリスとジェン
05	回帰の概要	回帰	Python と Scikit を使って回帰モデルを学習する	パイソン R	ジェンエリック・ワンジャウ
06	北米のカボチャの価格は？	回帰	ML の準備としてデータを視覚化してクリーンアップする	パイソン R	ジェンエリック・ワンジャウ
07	北米のカボチャの価格は？	回帰	線形回帰モデルと多項式回帰モデルを構築する	パイソン R	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は？	回帰	ロジスティック回帰モデルを構築する	パイソン R	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	トレーニングされたモデルを使用する Web アプリを構築する	パイソン	ジェン
10	分類の概要	分類	データをクリーニング、準備、視覚化します。分類の紹介	パイソン R	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やインド料理はいかがですか？	分類	分類器の概要	パイソン R	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やインド料理はいかがですか？	分類	さらに多くの分類子	パイソン R	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やインド料理はいかがですか？	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	パイソン	ジェン
14	クラスタリングの概要	クラスタリング	データをクリーニング、準備、視覚化します。クラスタリングの概要	パイソン R	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求する	クラスタリング	K-Means クラスタリング手法を探索する	パイソン R	ジェンエリック・ワンジャウ
16	自然言語処理の入門 ☕️	自然言語処理	シンプルなボットを構築して NLP の基本を学びます	パイソン	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 の知識を深めます。	パイソン	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	パイソン	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	ホテルのレビューによる感情分析 1	パイソン	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	ホテルのレビューによる感情分析 2	パイソン	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	パイソン	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 による時系列予測	パイソン	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	サポートベクターリグレッサーを使用した時系列予測	パイソン	アニルバン
24	強化学習の概要	強化学習	Q-Learning による強化学習の概要	パイソン	ドミトリー
25	ピーターがオオカミから逃げるのを手伝ってください！ ?	強化学習	強化学習ジム	パイソン	ドミトリー
追記	現実世界の ML シナリオとアプリケーション	ML イン・ザ・ワイルド	古典的 ML の興味深く、明らかな現実世界への応用	レッスン	チーム
追記	RAI ダッシュボードを使用した ML でのモデルのデバッグ	ML イン・ザ・ワイルド	Responsible AI ダッシュボードコンポーネントを使用した機械学習でのモデルのデバッグ	レッスン	ルース・ヤクブ

このコースのすべての追加リソースを Microsoft Learn コレクションで見つけてください

オフラインアクセス

Docsify を使用すると、このドキュメントを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、このリポジトリのルートフォルダーにdocsify serveと入力します。 Web サイトは、ローカルホストのポート 3000 ( localhost:3000で提供されます。