ML-For-Beginners

项目介绍：ML-For-Beginners

课程简介

ML-For-Beginners 是由微软的云顾问团队推出的一套为期 12 周的课程，共包含 26 节课，致力于初学者学习机器学习。在此次课程中，学习者将探讨所谓的“经典机器学习”，主要使用 Scikit-learn 库，并避开深入学习（深度学习内容在“AI for Beginners”课纲中另行介绍）。这套课程不仅适合单独学习，还可以与“Data Science for Beginners”课纲结合使用。

学员将通过世界各地的数据应用经典的机器学习技术，课程旨在通过项目实践帮助学员加深对知识的掌握。每一节课都包括课前和课后的测验、详细的课程指引、解决方案和作业等材料。

作者及贡献者鸣谢

我们的课程得到了多位作者和贡献者的大力支持，其中主要的作者包括 Jen Looper, Stephen Howell, Francesca Lazzeri 等，他们的参与使得这套课程内容更加丰富饱满。此外，多位微软学生大使如 Eric Wanjau 和 Jasleen Sondhi 等也为我们的 R 语言课程提供了额外的贡献。

课程结构与学习方法

开始学习这套课程，学习者需要：

1. 从 GitHub 仓库中 Fork 该项目：点击页面右上角的 "Fork" 按钮。
2. 克隆该代码仓库：运行命令 git clone https://github.com/microsoft/ML-For-Beginners.git。

学习过程建议：

• 开始每节课前先进行课前测验。
• 阅读课程材料并在每个知识检查点暂停，思考解决方案。
• 尝试通过理解课程内容自主进行项目创建，而非直接运行解决方案代码（解决方案存放在项目课程的 /solution 文件夹中）。
• 完成课后测验、作业、以及挑战任务。
• 完成一组课程后，请访问讨论板块 "learn out loud"，填写相应的 PAT（Progress Assessment Tool，进度评估工具），以进一步推动学习。

教学理念

在构建该课纲时，我们选择了两个教学原则：确保内容是基于项目的动手实践，并包含频繁的测验。此外，课程还融入了一个共同的主题以保持课程的连贯性。这种方式不仅增加学习的趣味性，还提高了知识的保留率。

课程设计灵活有趣，学生可以选择性地进行学习，课程从简单的小项目开始，到 12 周周期结束时，逐渐复杂化。同时，课程还包含了机器学习在现实世界中应用的课后补充内容，可以作为额外的学习材料。

每节课内容

• 可选的草图笔记
• 可选的视频补充材料
• 部分课程的视频讲解
• 课前热身测验
• 书面课程材料
• 分步骤的项目构建指导
• 知识检查
• 挑战任务
• 补充阅读材料
• 作业
• 课后小测验

关于语言的说明：课程主要用 Python 编写，但部分课程也提供 R 语言版。在 /solution 文件夹下查找 R 语言课程，文件扩展名为 .rmd，表示 R Markdown 文件。

视频演示与团队介绍

部分课程提供了简短的视频演示，学习者可以在课程内容中找到这些视频，也可以访问微软开发者 YouTube 频道上的 "ML for Beginners" 播放列表。

结束语

ML-For-Beginners 是一个灵活且具挑战性的学习机会，适合对机器学习感兴趣的初学者。我们的项目以实用为导向，通过多样的课程设计和丰富的内容，为学习者提供了一个全面的学习机器学习的机会。无论是自学还是小组学习，这个项目都会是一个良好的起点。