README.md

🌐 多言語対応

GitHub Actionsによるサポート（自動化＆常に最新）

コミュニティに参加しよう

Discordで「Learn with AI」シリーズを開催中です。2025年9月18日～30日にLearn with AI Seriesで詳細を確認し、参加してください。GitHub Copilotを使ったデータサイエンスのヒントやコツが得られます。

初心者のための機械学習 - カリキュラム

🌍 世界の文化を通じて機械学習を探求しながら世界を旅しよう 🌍

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します。このカリキュラムでは、主にScikit-learnを使ったいわゆる古典的機械学習を学びます。深層学習はAI for Beginnersのカリキュラムで扱っています。これらのレッスンはData Science for Beginnersのカリキュラムと組み合わせて学習することもできます。

世界中のデータにこれらの古典的手法を適用しながら旅をしましょう。各レッスンには、事前・事後のクイズ、レッスンの手順、解答例、課題などが含まれています。プロジェクトベースの教育法により、作りながら学ぶことで新しいスキルが定着しやすくなります。

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

🎨 イラストレーターの皆様にも感謝します Tomomi Imura、Dasani Madipalli、Jen Looper

🙏 特別な感謝 🙏 Microsoft Student Ambassadorの著者、レビュアー、コンテンツ寄稿者の皆様へ 特にRishit Dagli、Muhammad Sakib Khan Inan、Rohan Raj、Alexandru Petrescu、Abhishek Jaiswal、Nawrin Tabassum、Ioan Samuila、Snigdha Agarwal

🤩 Microsoft Student Ambassadors Eric Wanjau、Jasleen Sondhi、Vidushi GuptaにはRレッスンで特に感謝！

はじめに

以下の手順に従ってください：

リポジトリをフォークする：このページ右上の「Fork」ボタンをクリック。
リポジトリをクローンする： git clone https://github.com/microsoft/ML-For-Beginners.git

このコースの追加リソースはMicrosoft Learnコレクションで確認できます

🔧 困ったときは？ インストール、セットアップ、レッスン実行のよくある問題はトラブルシューティングガイドを参照してください。

学生の皆さん、このカリキュラムを使うには、リポジトリ全体を自分のGitHubアカウントにフォークし、個人またはグループで演習を進めてください：

事前クイズから始める。
レクチャーを読み、各知識チェックで立ち止まり振り返りながら活動を完了する。
解答コードを実行するのではなく、レッスンの内容を理解してプロジェクトを作成することを目指す。ただし、解答コードは各プロジェクト指向レッスンの/solutionフォルダーにあります。
事後クイズを受ける。
チャレンジを完了する。
課題を完了する。
レッスングループを終えたら、ディスカッションボードを訪れて、適切なPATルーブリックを記入し「学びを声に出して」共有してください。PATは進捗評価ツールで、学習を深めるためのルーブリックです。他のPATにリアクションすることもでき、共に学べます。

さらなる学習には、これらのMicrosoft Learnモジュールと学習パスをお勧めします。

教師の皆様へ、このカリキュラムの使い方に関する提案を用意しています。

ビデオウォークスルー

一部のレッスンは短い動画で提供されています。レッスン内で直接視聴できるほか、Microsoft Developer YouTubeチャンネルのML for Beginnersプレイリストでもご覧いただけます。下の画像をクリックしてください。

チーム紹介

Gif作成者 Mohit Jaisal

🎥 上の画像をクリックすると、プロジェクトと作成者についての動画が見られます！

教育方針

このカリキュラム作成にあたり、2つの教育方針を選びました：実践的なプロジェクトベースであること、そして頻繁なクイズを含むことです。さらに、カリキュラム全体に共通のテーマを持たせています。

内容をプロジェクトに合わせることで、学生の興味を引きつけ、概念の定着を促進します。授業前の低リスクなクイズは学習意欲を高め、授業後のクイズは理解の定着を助けます。このカリキュラムは柔軟で楽しく、全体または一部だけでも学習可能です。プロジェクトは小さく始まり、12週間の終わりにはより複雑になります。また、実世界での機械学習の応用に関する追記もあり、追加課題や議論の材料として利用できます。

行動規範、貢献ガイド、翻訳ガイド、トラブルシューティングを参照してください。建設的なフィードバックを歓迎します！

各レッスンに含まれるもの

任意のスケッチノート
任意の補足ビデオ
ビデオウォークスルー（一部のレッスンのみ）
事前ウォームアップクイズ
書面によるレッスン
プロジェクトベースのレッスンでは、プロジェクト作成のステップバイステップガイド
知識チェック
チャレンジ
補足読書
課題
事後クイズ

言語についての注意：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でも利用可能です。Rレッスンを完了するには、/solutionフォルダー内のRレッスンを探してください。これらは.rmd拡張子のR Markdownファイルで、コードチャンク（Rや他の言語）とYAMLヘッダー（PDFなどの出力形式を指定）をMarkdown文書に埋め込んだものです。コード、出力、考えをMarkdownで記述できるため、データサイエンスの優れた著述フレームワークとなっています。R Markdown文書はPDF、HTML、Wordなどの形式にレンダリング可能です。

クイズについての注意：全てのクイズはQuiz Appフォルダーにあり、合計52回分、各3問です。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も実行可能です。quiz-appフォルダー内の指示に従い、ローカルホストまたはAzureへのデプロイが可能です。

レッスン番号	トピック	レッスングループ	学習目標	関連レッスン	著者
01	機械学習の紹介	Introduction	機械学習の基本概念を学びましょう	Lesson	Muhammad
02	機械学習の歴史	Introduction	この分野の歴史を学びましょう	Lesson	Jen and Amy
03	公平性と機械学習	Introduction	機械学習モデルの構築と適用にあたり、学生が考慮すべき公平性に関する重要な哲学的問題とは何か？	Lesson	Tomomi
04	機械学習の技術	Introduction	機械学習研究者はどのような技術を使って機械学習モデルを構築しているのか？	Lesson	Chris and Jen
05	回帰の紹介	Regression	PythonとScikit-learnを使った回帰モデルの入門	Python • R	Jen • Eric Wanjau
06	北米のカボチャ価格 🎃	Regression	機械学習の準備としてデータの可視化とクリーニング	Python • R	Jen • Eric Wanjau
07	北米のカボチャ価格 🎃	Regression	線形回帰モデルと多項式回帰モデルの構築	Python • R	Jen and Dmitry • Eric Wanjau
08	北米のカボチャ価格 🎃	Regression	ロジスティック回帰モデルの構築	Python • R	Jen • Eric Wanjau
09	ウェブアプリ 🔌	Web App	訓練済みモデルを使うウェブアプリの構築	Python	Jen
10	分類の紹介	Classification	データのクリーニング、準備、可視化；分類の入門	Python • R	Jen and Cassie • Eric Wanjau
11	美味しいアジアとインド料理 🍜	Classification	分類器の紹介	Python • R	Jen and Cassie • Eric Wanjau
12	美味しいアジアとインド料理 🍜	Classification	さらなる分類器	Python • R	Jen and Cassie • Eric Wanjau
13	美味しいアジアとインド料理 🍜	Classification	モデルを使ったレコメンダーウェブアプリの構築	Python	Jen
14	クラスタリングの紹介	Clustering	データのクリーニング、準備、可視化；クラスタリングの入門	Python • R	Jen • Eric Wanjau
15	ナイジェリアの音楽の嗜好を探る 🎧	Clustering	K-Meansクラスタリング手法の探求	Python • R	Jen • Eric Wanjau
16	自然言語処理の紹介 ☕️	Natural language processing	シンプルなボットを作ってNLPの基本を学ぶ	Python	Stephen
17	一般的なNLPタスク ☕️	Natural language processing	言語構造を扱う際に必要な一般的なタスクを理解してNLPの知識を深める	Python	Stephen
18	翻訳と感情分析 ♥️	Natural language processing	ジェーン・オースティンのテキストを使った翻訳と感情分析	Python	Stephen
19	ヨーロッパのロマンチックなホテル ♥️	Natural language processing	ホテルレビューを使った感情分析 1	Python	Stephen
20	ヨーロッパのロマンチックなホテル ♥️	Natural language processing	ホテルレビューを使った感情分析 2	Python	Stephen
21	時系列予測の紹介	Time series	時系列予測の入門	Python	Francesca
22	⚡️ 世界の電力使用量 ⚡️ - ARIMAによる時系列予測	Time series	ARIMAを使った時系列予測	Python	Francesca
23	⚡️ 世界の電力使用量 ⚡️ - SVRによる時系列予測	Time series	サポートベクター回帰を使った時系列予測	Python	Anirban
24	強化学習の紹介	Reinforcement learning	Qラーニングを使った強化学習の入門	Python	Dmitry
25	ピーターをオオカミから守ろう！ 🐺	Reinforcement learning	強化学習Gym	Python	Dmitry
Postscript	実世界の機械学習シナリオと応用	ML in the Wild	古典的な機械学習の興味深く示唆に富んだ実世界の応用例	Lesson	Team
Postscript	RAIダッシュボードを使った機械学習モデルのデバッグ	ML in the Wild	Responsible AIダッシュボードコンポーネントを使った機械学習モデルのデバッグ	Lesson	Ruth Yakubu

このコースの追加リソースはMicrosoft Learnコレクションでご覧いただけます

オフラインアクセス

Docsifyを使って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から、このリポジトリのルートフォルダで docsify serve と入力してください。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：localhost:3000。