> [!NOTE] > 本文档由 WeHub 基于上游 README 翻译整理，属于社区翻译，非官方中文文档。 > [English](./README.en.md) · [原始项目](https://github.com/microsoft/ML-For-Beginners) · [上游 README](https://github.com/microsoft/ML-For-Beginners/blob/HEAD/README.md) > 原作者、版权与许可证归属以原始项目及本仓库 LICENSE 文件为准。 [](https://github.com/microsoft/ML-For-Beginners/blob/master/LICENSE) [](https://GitHub.com/microsoft/ML-For-Beginners/graphs/contributors/) [](https://GitHub.com/microsoft/ML-For-Beginners/issues/) [](https://GitHub.com/microsoft/ML-For-Beginners/pulls/) [](http://makeapullrequest.com) [](https://GitHub.com/microsoft/ML-For-Beginners/watchers/) [](https://GitHub.com/microsoft/ML-For-Beginners/network/) [](https://GitHub.com/microsoft/ML-For-Beginners/stargazers/) ### 🌐 多语言支持 #### 通过 GitHub Action 支持（自动化且始终保持最新） [Arabic](./translations/ar/README.md) | [Bengali](./translations/bn/README.md) | [Bulgarian](./translations/bg/README.md) | [Burmese (Myanmar)](./translations/my/README.md) | [Chinese (Simplified)](./translations/zh-CN/README.md) | [Chinese (Traditional, Hong Kong)](./translations/zh-HK/README.md) | [Chinese (Traditional, Macau)](./translations/zh-MO/README.md) | [Chinese (Traditional, Taiwan)](./translations/zh-TW/README.md) | [Croatian](./translations/hr/README.md) | [Czech](./translations/cs/README.md) | [Danish](./translations/da/README.md) | [Dutch](./translations/nl/README.md) | [Estonian](./translations/et/README.md) | [Finnish](./translations/fi/README.md) | [French](./translations/fr/README.md) | [German](./translations/de/README.md) | [Greek](./translations/el/README.md) | [Hebrew](./translations/he/README.md) | [Hindi](./translations/hi/README.md) | [Hungarian](./translations/hu/README.md) | [Indonesian](./translations/id/README.md) | [Italian](./translations/it/README.md) | [Japanese](./translations/ja/README.md) | [Kannada](./translations/kn/README.md) | [Khmer](./translations/km/README.md) | [Korean](./translations/ko/README.md) | [Lithuanian](./translations/lt/README.md) | [Malay](./translations/ms/README.md) | [Malayalam](./translations/ml/README.md) | [Marathi](./translations/mr/README.md) | [Nepali](./translations/ne/README.md) | [Nigerian Pidgin](./translations/pcm/README.md) | [Norwegian](./translations/no/README.md) | [Persian (Farsi)](./translations/fa/README.md) | [Polish](./translations/pl/README.md) | [Portuguese (Brazil)](./translations/pt-BR/README.md) | [Portuguese (Portugal)](./translations/pt-PT/README.md) | [Punjabi (Gurmukhi)](./translations/pa/README.md) | [Romanian](./translations/ro/README.md) | [Russian](./translations/ru/README.md) | [Serbian (Cyrillic)](./translations/sr/README.md) | [Slovak](./translations/sk/README.md) | [Slovenian](./translations/sl/README.md) | [Spanish](./translations/es/README.md) | [Swahili](./translations/sw/README.md) | [Swedish](./translations/sv/README.md) | [Tagalog (Filipino)](./translations/tl/README.md) | [Tamil](./translations/ta/README.md) | [Telugu](./translations/te/README.md) | [Thai](./translations/th/README.md) | [Turkish](./translations/tr/README.md) | [Ukrainian](./translations/uk/README.md) | [Urdu](./translations/ur/README.md) | [Vietnamese](./translations/vi/README.md) > **希望在本地克隆？** > > 本仓库包含 50+ 种语言翻译，会显著增加下载体积。若要在克隆时排除翻译文件，请使用 sparse checkout（稀疏检出）： > > **Bash / macOS / Linux:** > ```bash > git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git > cd ML-For-Beginners > git sparse-checkout set --no-cone '/*' '!translations' '!translated_images' > ``` > > **CMD (Windows):** > ```cmd > git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git > cd ML-For-Beginners > git sparse-checkout set --no-cone "/*" "!translations" "!translated_images" > ``` > > 这样你就能获得完成课程所需的全部内容，同时下载速度会快得多。 #### 加入我们的社区 [](https://discord.gg/nTYy5BXMWG) 我们正在 Discord 上举办 Learn with AI 系列学习活动，了解更多并加入我们：[Learn with AI Series](https://aka.ms/learnwithai/discord)（2025 年 9 月 18 日至 30 日）。你将获得在数据科学中使用 GitHub Copilot 的技巧与窍门。  # 机器学习入门 — 一门课程 > 🌍 伴随世界各地文化，一起环游地球，探索机器学习 🌍 Microsoft 云倡导者（Cloud Advocates）团队很高兴提供这门为期 12 周、共 26 课时的**机器学习**课程。在本课程中，你将学习有时被称为**经典机器学习（classic machine learning）**的内容，主要使用 Scikit-learn 作为库，并刻意避开深度学习；深度学习内容请参阅我们的 [AI for Beginners' curriculum](https://aka.ms/ai4beginners).。你也可以将这些课时与我们的 ['Data Science for Beginners' curriculum](https://aka.ms/ds4beginners), 搭配学习！ 与我们一同环游世界，将这些经典技术应用于来自全球各地的数据。每节课都包含课前与课后测验、完成课时所需的书面说明、参考答案、作业等内容。我们以项目为基础的教学法让你边做边学，这是帮助新技能真正“扎根”的经证实有效的方式。 **✍️ 衷心感谢我们的作者** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu and Amy Boyd **🎨 同时也感谢我们的插画师** Tomomi Imura, Dasani Madipalli, and Jen Looper **🙏 特别感谢 🙏 我们的 Microsoft Student Ambassador 作者、审稿人与内容贡献者**， notably Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, and Snigdha Agarwal **🤩 额外感谢 Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, and Vidushi Gupta 为我们提供的 R 语言课程！** # 入门指南 请按以下步骤操作： 1. **Fork 本仓库**：点击本页面右上角的 "Fork" 按钮。 2. **克隆仓库**： `git clone https://github.com/microsoft/ML-For-Beginners.git` > [在 Microsoft Learn 合集中查找本课程的全部附加资源](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) > 🔧 **需要帮助？** 请查看我们的[故障排除指南](TROUBLESHOOTING.md)，获取有关安装、配置和运行课时的常见问题解决方案。 **[学生](https://aka.ms/student-page)**,若要使用本课程，请将整个仓库 fork 到你自己的 GitHub 账户，并自行或与小组一起完成练习： - 从课前测验开始。 - 阅读讲义并完成活动，在每个知识点检查时暂停并反思。 - 尽量通过理解课程内容来完成项目，而不是直接运行参考答案代码；不过，在每节以项目为导向的课时中，参考答案代码可在 `/solution` 文件夹中找到。 - 完成课后测验。 - 完成挑战任务。 - 完成作业。 - 完成一组课时后，请访问[讨论区](https://github.com/microsoft/ML-For-Beginners/discussions)，通过填写相应的 PAT 评分量表来“大声学习”。'PAT' 是 Progress Assessment Tool（学习进度评估工具）的缩写，是你用来促进学习的评分量表。你也可以对其他人的 PAT 做出回应，这样我们就能一起学习。 > 如需进一步学习，我们建议跟随这些 [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) 模块和学习路径。 **教师**朋友们，我们[提供了一些使用建议](for-teachers.md)，介绍如何使用本课程。 --- ## 视频导览 部分课程提供短视频形式。你可以在课程内联找到这些内容，也可以点击下方图片，在 [Microsoft Developer YouTube 频道上的 ML for Beginners 播放列表](https://aka.ms/ml-beginners-videos) 中查看。 [](https://aka.ms/ml-beginners-videos) --- ## 认识团队 [](https://youtu.be/Tj1XWrDSYJU) **Gif 作者：** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) > 🎥 点击上方图片，观看关于本项目及其创建者的视频！ --- ## 教学法 在构建本课程时，我们遵循两大教学原则：确保课程是动手实践的**项目驱动**，并包含**频繁的测验**。此外，本课程还有一个统一的**主题**，以增强整体连贯性。 通过确保内容与项目相结合，学习过程对学生更具吸引力，概念记忆也会得到加强。此外，课前进行低风险的测验能让学生明确学习某一主题的意图，而课后的第二次测验则有助于进一步巩固记忆。本课程设计灵活有趣，可以完整学习，也可以部分学习。项目从小规模开始，在 12 周周期结束时逐渐变得更为复杂。本课程还包含一篇关于机器学习（ML）现实世界应用的附录，可作为额外学分或讨论基础。 > 请查阅我们的[行为准则](CODE_OF_CONDUCT.md)、[贡献指南](CONTRIBUTING.md)、[翻译](translations)和[故障排除](TROUBLESHOOTING.md)说明。我们欢迎你的建设性反馈！ ## 每节课包含 - 可选的手绘笔记（sketchnote） - 可选的补充视频 - 视频导览（仅部分课程） - [课前热身测验](https://ff-quizzes.netlify.app/en/ml/) - 书面课程 - 对于项目驱动课程，提供分步指南，介绍如何构建项目 - 知识检测 - 挑战 - 补充阅读 - 作业 - [课后测验](https://ff-quizzes.netlify.app/en/ml/) > **关于语言的说明**：这些课程主要使用 Python 编写，但许多课程也提供 R 版本。要完成 R 课程，请前往 `/solution` 文件夹并查找 R 课程。它们包含 .rmd 扩展名，表示 **R Markdown** 文件，可简单定义为在 `Markdown document` 中嵌入 `code chunks`（R 或其他语言）和 `YAML header`（用于指导如何格式化 PDF 等输出）。因此，它是数据科学的优秀创作框架，因为它允许你通过 Markdown 将代码、输出和思考结合起来。此外，R Markdown 文档可渲染为 PDF、HTML 或 Word 等输出格式。 > **关于测验的说明**：所有测验都包含在 [Quiz App 文件夹](./quiz-app/) 中，共 52 套测验，每套 3 道题。它们从课程内链接，但测验应用可在本地运行；请按照 `quiz-app` 文件夹中的说明在本地托管或部署到 Azure。 | Lesson Number | Topic | Lesson Grouping | Learning Objectives | Linked Lesson | Author | | :-----------: | :------------------------------------------------------------: | :-------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: | | 01 | 机器学习简介 | [Introduction](1-Introduction/README.md) | 学习机器学习背后的基本概念 | [Lesson](1-Introduction/1-intro-to-ML/README.md) | Muhammad | | 02 | 机器学习的历史 | [Introduction](1-Introduction/README.md) | 了解该领域的历史渊源 | [Lesson](1-Introduction/2-history-of-ML/README.md) | Jen and Amy | | 03 | 公平性与机器学习 | [Introduction](1-Introduction/README.md) | 在构建和应用 ML 模型时，学生应考虑哪些关于公平性的重要哲学问题？ | [Lesson](1-Introduction/3-fairness/README.md) | Tomomi | | 04 | 机器学习技术 | [Introduction](1-Introduction/README.md) | ML 研究人员使用哪些技术来构建 ML 模型？ | [Lesson](1-Introduction/4-techniques-of-ML/README.md) | Chris and Jen | | 05 | 回归简介 | [Regression](2-Regression/README.md) | 使用 Python 和 Scikit-learn 开始构建回归模型 | [Python](2-Regression/1-Tools/README.md) • [R](2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau | | 06 | 北美南瓜价格 🎃 | [Regression](2-Regression/README.md) | 为机器学习准备数据：可视化与清洗 | [Python](2-Regression/2-Data/README.md) • [R](2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau | | 07 | 北美南瓜价格 🎃 | [Regression](2-Regression/README.md) | 构建线性和多项式回归模型 | [Python](2-Regression/3-Linear/README.md) • [R](2-Regression/3-Linear/solution/R/lesson_3.html) | Jen and Dmitry • Eric Wanjau | | 08 | 北美南瓜价格 🎃 | [Regression](2-Regression/README.md) | 构建逻辑回归模型 | [Python](2-Regression/4-Logistic/README.md) • [R](2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau | | 09 | Web 应用 🔌 | [Web App](3-Web-App/README.md) | 构建 Web 应用以使用你训练好的模型 | [Python](3-Web-App/1-Web-App/README.md) | Jen | | 10 | 分类简介 | [Classification](4-Classification/README.md) | 清洗、准备和可视化数据；分类入门 | [Python](4-Classification/1-Introduction/README.md) • [R](4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen and Cassie • Eric Wanjau | | 11 | 美味的亚洲和印度美食 🍜 | [Classification](4-Classification/README.md) | 分类器入门 | [Python](4-Classification/2-Classifiers-1/README.md) • [R](4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen and Cassie • Eric Wanjau | | 12 | 美味的亚洲和印度美食 🍜 | [Classification](4-Classification/README.md) | 更多分类器 | [Python](4-Classification/3-Classifiers-2/README.md) • [R](4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen and Cassie • Eric Wanjau | | 13 | 美味的亚洲和印度美食 🍜 | [Classification](4-Classification/README.md) | 使用你的模型构建推荐 Web 应用 | [Python](4-Classification/4-Applied/README.md) | Jen | | 14 | 聚类简介 | [Clustering](5-Clustering/README.md) | 清洗、准备和可视化数据；聚类入门 | [Python](5-Clustering/1-Visualize/README.md) • [R](5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau | | 15 | 探索尼日利亚音乐品味 🎧 | [Clustering](5-Clustering/README.md) | 探索 K-Means 聚类方法 | [Python](5-Clustering/2-K-Means/README.md) • [R](5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau | | 16 | 自然语言处理（NLP）简介 ☕️ | [Natural language processing](6-NLP/README.md) | 通过构建简单机器人学习 NLP 基础知识 | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen | | 17 | 常见 NLP 任务 ☕️ | [Natural language processing](6-NLP/README.md) | 通过理解处理语言结构时所需的常见任务，加深 NLP 知识 | [Python](6-NLP/2-Tasks/README.md) | Stephen | | 18 | 翻译与情感分析 ♥️ | [Natural language processing](6-NLP/README.md) | 使用简·奥斯汀作品进行翻译和情感分析 | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen | | 19 | 欧洲浪漫酒店 ♥️ | [Natural language processing](6-NLP/README.md) | 基于酒店评论的情感分析 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen | | 20 | 欧洲浪漫酒店 ♥️ | [Natural language processing](6-NLP/README.md) | 基于酒店评论的情感分析 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen | | 21 | 时间序列预测简介 | [Time series](7-TimeSeries/README.md) | 时间序列预测入门 | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca | | 22 | ⚡️ 世界电力使用 ⚡️ - 使用 ARIMA 进行时间序列预测 | [Time series](7-TimeSeries/README.md) | 使用 ARIMA 进行时间序列预测 | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca | | 23 | ⚡️ 世界电力使用 ⚡️ - 使用 SVR 进行时间序列预测 | [Time series](7-TimeSeries/README.md) | 使用支持向量回归器（Support Vector Regressor）进行时间序列预测 | [Python](7-TimeSeries/3-SVR/README.md) | Anirban | | 24 | 强化学习简介 | [Reinforcement learning](8-Reinforcement/README.md) | 使用 Q-Learning 入门强化学习 | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry | | 25 | 帮助 Peter 躲避狼！ 🐺 | [Reinforcement learning](8-Reinforcement/README.md) | 强化学习 Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry | | Postscript | 现实世界 ML 场景与应用 | [ML in the Wild](9-Real-World/README.md) | 经典机器学习的有趣且富有启发性的现实世界应用 | [Lesson](9-Real-World/1-Applications/README.md) | Team | | Postscript | 使用 RAI 仪表板进行 ML 模型调试 | [ML in the Wild](9-Real-World/README.md) | 使用负责任 AI（Responsible AI）仪表板组件进行机器学习模型调试 | [Lesson](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu | > [在本课程的 Microsoft Learn 合集中查找所有额外资源](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) ## 离线访问 你可以使用 [Docsify](https://docsify.js.org/#/). 离线运行此文档。Fork 本仓库，在本地 [安装 Docsify](https://docsify.js.org/#/quickstart)，然后在本仓库的根目录中输入 `docsify serve`。网站将在 localhost 的 3000 端口提供服务：`localhost:3000`。 ## PDF 可在[此处](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf). 找到带链接的课程 PDF。 ## 🎒 其他课程 我们的团队还制作了其他课程！欢迎查看： ### LangChain [](https://aka.ms/langchain4j-for-beginners) [](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin) [](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin) --- ### Azure / Edge / MCP / Agents [](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst) [](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst) [](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst) [](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) --- ### 生成式 AI 系列 [](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst) [-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst) [-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst) [-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst) --- ### 核心学习 [](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst) [](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst) [](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst) [](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung) [](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst) [](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst) [](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst) --- ### Copilot 系列 [](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst) [](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst) [](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst) ## 获取帮助 如果你在学习机器学习（Machine Learning）或构建 AI 应用时遇到困难或有疑问，别担心——你可以获得帮助。 你可以与其他学习者和开发者一起讨论、提问，并与社区分享你的想法。 - 加入社区，提问并与他人一起学习 - 讨论机器学习概念和项目想法 - 向有经验的开发者寻求指导 一个互助的社区是提升技能、更快解决问题的绝佳途径。 [Microsoft Foundry Discord 社区](https://discord.gg/nTYy5BXMWG) 如果你遇到 bug、错误或有改进建议，也可以在本仓库中开启 **Issue** 来报告问题。 如需产品反馈或搜索现有社区帖子，请访问开发者论坛： [](https://aka.ms/foundry/forum) ## 更多学习技巧 - 每节课后复习 notebook，以加深理解。 - 自行练习实现算法。 - 运用所学概念探索真实世界数据集。