Арабский | Бенгальский | Болгарский | Бирманский (Мьянма) | Китайский (упрощённый) | Китайский (традиционный, Гонконг) | Китайский (традиционный, Макао) | Китайский (традиционный, Тайвань) | Хорватский | Чешский | Датский | Нидерландский | Эстонский | Финский | Французский | Немецкий | Греческий | Иврит | Хинди | Венгерский | Индонезийский | Итальянский | Японский | Каннада | Корейский | Литовский | Малайский | Малаялам | Маратхи | Непальский | Нигерийский пиджин | Норвежский | Персидский (фарси) | Польский | Португальский (Бразилия) | Португальский (Португалия) | Пенджабский (гурмукхи) | Румынский | Русский | Сербский (кириллица) | Словацкий | Словенский | Испанский | Суахили | Шведский | Тагальский (филиппинский) | Тамильский | Телугу | Тайский | Турецкий | Украинский | Урду | Вьетнамский
У нас проходит серия занятий в Discord под названием «Учимся с ИИ», узнайте больше и присоединяйтесь к нам на Learn with AI Series с 18 по 30 сентября 2025 года. Вы получите советы и рекомендации по использованию GitHub Copilot для Data Science.
🌍 Путешествуйте по миру, изучая машинное обучение через призму мировых культур 🌍
Облачные адвокаты Microsoft рады предложить 12-недельную программу из 26 уроков, полностью посвящённую машинному обучению. В этой программе вы узнаете о том, что иногда называют классическим машинным обучением, используя в основном библиотеку Scikit-learn и избегая глубокого обучения, которое рассматривается в нашей программе AI для начинающих. Совместите эти уроки с нашей программой 'Data Science для начинающих'!
Путешествуйте с нами по миру, применяя классические методы к данным из разных регионов. Каждый урок включает предварительные и итоговые викторины, письменные инструкции для выполнения урока, решение, задание и многое другое. Наша проектно-ориентированная педагогика позволяет учиться, создавая проекты — проверенный способ закрепления новых навыков.
✍️ Искренняя благодарность нашим авторам Джен Лупер, Стивен Хауэлл, Франческа Лаззери, Томоми Имура, Кэсси Бревиу, Дмитрий Сошников, Крис Норинг, Анирбан Мукерджи, Орнелла Алтунян, Рут Якобу и Эми Бойд
🎨 Спасибо также нашим иллюстраторам Томоми Имура, Дасани Мадипалли и Джен Лупер
🙏 Особая благодарность 🙏 нашим студентам-амбассадорам Microsoft, авторам, рецензентам и контент-участникам, в частности Ришиту Дагли, Мухаммаду Сакибу Хану Инану, Рохану Раджу, Александру Петреску, Абхишеку Джайсвалу, Наврин Табассум, Иоану Самуиле и Снигдхе Агарвал
🤩 Дополнительная благодарность студентам-амбассадорам Microsoft Эрику Ванджау, Джаслин Сонди и Видуши Гупте за наши уроки на R!
Следуйте этим шагам:
- Сделайте форк репозитория: Нажмите кнопку «Fork» в правом верхнем углу этой страницы.
- Клонируйте репозиторий:
git clone https://github.com/microsoft/ML-For-Beginners.git
найдите все дополнительные ресурсы для этого курса в нашей коллекции Microsoft Learn
🔧 Нужна помощь? Ознакомьтесь с нашим Руководством по устранению неполадок для решения распространённых проблем с установкой, настройкой и запуском уроков.
Студенты, чтобы использовать эту программу, сделайте форк всего репозитория в свой аккаунт GitHub и выполняйте упражнения самостоятельно или в группе:
- Начинайте с предварительной викторины.
- Читайте лекцию и выполняйте задания, делая паузы и размышляя на каждом этапе проверки знаний.
- Старайтесь создавать проекты, понимая уроки, а не просто запуская код решения; однако код решения доступен в папках
/solutionкаждого проектно-ориентированного урока. - Пройдите итоговую викторину.
- Выполните вызов.
- Выполните задание.
- После завершения группы уроков посетите Доску обсуждений и «учитесь вслух», заполнив соответствующую рубрику PAT. PAT — это инструмент оценки прогресса, который вы заполняете для углубления обучения. Вы также можете реагировать на другие PAT, чтобы учиться вместе.
Для дальнейшего изучения рекомендуем пройти эти модули и учебные пути Microsoft Learn.
Учителя, мы включили некоторые рекомендации по использованию этой программы.
Некоторые уроки доступны в формате коротких видео. Вы можете найти их встроенными в уроки или на плейлисте ML for Beginners на канале Microsoft Developer в YouTube, нажав на изображение ниже.
Гифка от Mohit Jaisal
🎥 Нажмите на изображение выше, чтобы посмотреть видео о проекте и людях, которые его создали!
При создании этой программы мы выбрали два педагогических принципа: обеспечить практическую проектно-ориентированную работу и включить частые викторины. Кроме того, программа имеет общую тему для связности.
Обеспечение соответствия контента проектам делает процесс более увлекательным для студентов и улучшает усвоение концепций. Низкоуровневая викторина перед занятием настраивает студента на изучение темы, а вторая викторина после занятия способствует дальнейшему закреплению материала. Эта программа разработана быть гибкой и интересной, её можно проходить полностью или частично. Проекты начинаются с простых и становятся всё более сложными к концу 12-недельного цикла. В программу также включён послесловие о реальных применениях МО, которое можно использовать как дополнительный материал или для обсуждения.
Ознакомьтесь с нашими Правилами поведения, Руководством по участию, Переводом и Руководством по устранению неполадок. Мы приветствуем ваши конструктивные отзывы!
- необязательные скетчноуты
- необязательное дополнительное видео
- видеообзор (только для некоторых уроков)
- предварительную разминку-викторину
- письменный урок
- для проектно-ориентированных уроков — пошаговые инструкции по созданию проекта
- проверки знаний
- вызов
- дополнительное чтение
- задание
- итоговую викторину
Примечание о языках: Эти уроки в основном написаны на Python, но многие также доступны на R. Чтобы пройти урок на R, перейдите в папку
/solutionи найдите уроки на R. Они имеют расширение .rmd, что означает R Markdown — формат, который представляет собой встраиваниефрагментов кода(на R или других языках) иYAML-заголовка(который управляет форматированием вывода, например PDF) вMarkdown-документ. Таким образом, это отличный инструмент для авторства в области науки о данных, позволяющий объединять код, его вывод и ваши заметки в одном документе. Кроме того, документы R Markdown можно преобразовывать в форматы вывода, такие как PDF, HTML или Word.
Примечание о викторинах: Все викторины находятся в папке Quiz App, всего 52 викторины по три вопроса каждая. Они связаны с уроками, но приложение викторин можно запустить локально; следуйте инструкциям в папке
quiz-appдля локального хостинга или развертывания в Azure.
| Номер урока | Тема | Группа уроков | Цели обучения | Связанный урок | Автор |
|---|---|---|---|---|---|
| 01 | Введение в машинное обучение | Introduction | Изучите основные концепции машинного обучения | Lesson | Muhammad |
| 02 | История машинного обучения | Introduction | Узнайте историю, лежащую в основе этой области | Lesson | Jen and Amy |
| 03 | Справедливость и машинное обучение | Introduction | Какие важные философские вопросы о справедливости должны учитывать студенты при создании и применении моделей машинного обучения? | Lesson | Tomomi |
| 04 | Техники машинного обучения | Introduction | Какие техники используют исследователи машинного обучения для создания моделей? | Lesson | Chris and Jen |
| 05 | Введение в регрессию | Regression | Начните работу с Python и Scikit-learn для моделей регрессии | Python • R | Jen • Eric Wanjau |
| 06 | Цены на тыквы в Северной Америке 🎃 | Regression | Визуализируйте и очистите данные в подготовке к машинному обучению | Python • R | Jen • Eric Wanjau |
| 07 | Цены на тыквы в Северной Америке 🎃 | Regression | Постройте линейные и полиномиальные модели регрессии | Python • R | Jen and Dmitry • Eric Wanjau |
| 08 | Цены на тыквы в Северной Америке 🎃 | Regression | Постройте модель логистической регрессии | Python • R | Jen • Eric Wanjau |
| 09 | Веб-приложение 🔌 | Web App | Создайте веб-приложение для использования вашей обученной модели | Python | Jen |
| 10 | Введение в классификацию | Classification | Очистите, подготовьте и визуализируйте данные; введение в классификацию | Python • R | Jen and Cassie • Eric Wanjau |
| 11 | Вкусные азиатские и индийские кухни 🍜 | Classification | Введение в классификаторы | Python • R | Jen and Cassie • Eric Wanjau |
| 12 | Вкусные азиатские и индийские кухни 🍜 | Classification | Дополнительные классификаторы | Python • R | Jen and Cassie • Eric Wanjau |
| 13 | Вкусные азиатские и индийские кухни 🍜 | Classification | Создайте рекомендательное веб-приложение с использованием вашей модели | Python | Jen |
| 14 | Введение в кластеризацию | Clustering | Очистите, подготовьте и визуализируйте данные; введение в кластеризацию | Python • R | Jen • Eric Wanjau |
| 15 | Изучение музыкальных вкусов Нигерии 🎧 | Clustering | Изучите метод кластеризации K-средних | Python • R | Jen • Eric Wanjau |
| 16 | Введение в обработку естественного языка ☕️ | Natural language processing | Изучите основы обработки естественного языка, создав простого бота | Python | Stephen |
| 17 | Распространённые задачи NLP ☕️ | Natural language processing | Углубите знания в NLP, изучая распространённые задачи при работе с языковыми структурами | Python | Stephen |
| 18 | Перевод и анализ тональности |
Natural language processing | Перевод и анализ тональности с Джейн Остин | Python | Stephen |
| 19 | Романтические отели Европы |
Natural language processing | Анализ тональности отзывов об отелях 1 | Python | Stephen |
| 20 | Романтические отели Европы |
Natural language processing | Анализ тональности отзывов об отелях 2 | Python | Stephen |
| 21 | Введение в прогнозирование временных рядов | Time series | Введение в прогнозирование временных рядов | Python | Francesca |
| 22 | ⚡️ Мировое потребление электроэнергии ⚡️ - прогнозирование временных рядов с ARIMA | Time series | Прогнозирование временных рядов с помощью ARIMA | Python | Francesca |
| 23 | ⚡️ Мировое потребление электроэнергии ⚡️ - прогнозирование временных рядов с SVR | Time series | Прогнозирование временных рядов с помощью регрессора опорных векторов | Python | Anirban |
| 24 | Введение в обучение с подкреплением | Reinforcement learning | Введение в обучение с подкреплением с использованием Q-Learning | Python | Dmitry |
| 25 | Помогите Питеру избежать волка! 🐺 | Reinforcement learning | Обучение с подкреплением в Gym | Python | Dmitry |
| Postscript | Реальные сценарии и применения машинного обучения | ML in the Wild | Интересные и познавательные реальные применения классического машинного обучения | Lesson | Team |
| Postscript | Отладка моделей машинного обучения с помощью панели RAI | ML in the Wild | Отладка моделей машинного обучения с использованием компонентов панели Responsible AI | Lesson | Ruth Yakubu |
найдите все дополнительные ресурсы для этого курса в нашей коллекции Microsoft Learn
Вы можете использовать эту документацию офлайн с помощью Docsify. Форкните этот репозиторий, установите Docsify на вашем локальном компьютере, а затем в корневой папке репозитория выполните команду docsify serve. Веб-сайт будет доступен на порту 3000 на вашем локальном хосте: localhost:3000.
Найдите PDF с учебной программой и ссылками здесь.
Наша команда выпускает и другие курсы! Ознакомьтесь:
-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA){kind=icon}
-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC){kind=icon}
-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9){kind=icon}
Если вы застряли или у вас есть вопросы по созданию приложений с ИИ. Присоединяйтесь к другим учащимся и опытным разработчикам в обсуждениях о MCP. Это поддерживающее сообщество, где вопросы приветствуются, а знания свободно делятся.
Если у вас есть отзывы о продукте или ошибки при разработке, посетите:
Отказ от ответственности:
Этот документ был переведен с помощью сервиса автоматического перевода Co-op Translator. Несмотря на наши усилия по обеспечению точности, имейте в виду, что автоматический перевод может содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется обращаться к профессиональному переводу, выполненному человеком. Мы не несем ответственности за любые недоразумения или неправильные толкования, возникшие в результате использования данного перевода.