ML for Beginners

「ML for Beginners」是什么ML for Beginners是微软云倡导者推出的为期12周、共26课的机器学习课程。主要聚焦经典机器学习，以Scikit-learn为主要库，避开深度学习内容。课程将经典技术应用于世界各地的数据，每节课包含课前课后测验、书面指导、解决方案、作业等。通过基于项目的教学方法，让学习者在实践中掌握机器学习知识。功能解析

• 知识讲解：详细介绍机器学习的基本概念、历史、公平性等基础知识，帮助学习者全面了解机器学习领域。
• 实践项目引导：提供多种实践项目，如基于北美南瓜价格数据构建回归模型、基于亚洲和印度美食数据构建分类模型等，引导学习者在实践中运用所学知识。
• 多语言支持：课程主要以Python编写，但很多课程也提供R语言版本，满足不同学习者的编程需求。
• 学习评估：通过课前课后测验，帮助学习者检验学习成果，巩固所学知识。

产品特色

• 独特教学方法：采用基于项目的实践教学和频繁的测验相结合的教学方法，提高学习者的参与度和知识保留率。课程项目从简单到复杂，逐步提升学习者的能力。
• 丰富内容：涵盖机器学习多个方面的知识，包括回归、分类、聚类、自然语言处理、时间序列预测、强化学习等，内容全面。
• 多语言版本：提供Python和R语言两个版本的课程，方便不同编程背景的学习者使用。
• 配套资源丰富：每节课都包含多种学习资源，如可选的速记笔记、补充视频、视频讲解、知识检查、挑战、补充阅读等。

应用场景

• 学生学习场景：对于想要学习机器学习的学生来说，该课程提供了系统的学习路径。学生可以按照课程安排，逐步学习机器学习的基础知识和实践技能。例如，学生在学习回归模型时，可以通过北美南瓜价格的案例，学习数据可视化、清洗以及模型构建等技能，为后续深入学习机器学习打下坚实基础。
• 自学爱好者场景：机器学习爱好者可以利用这套免费教程进行自学。课程丰富的内容和实践项目，能满足他们对知识的探索需求。比如，爱好者在学习自然语言处理部分时，可以通过构建简单的聊天机器人，了解自然语言处理的基本原理和应用，提升自己的技能水平。

使用指南

• 准备工作：学生需将整个仓库分叉到自己的GitHub账户。
• 课程学习：
• 先进行课前测验。
• 阅读课程内容并完成活动，在每个知识检查点暂停思考。
• 尝试理解课程内容并创建项目，而非直接运行解决方案代码（解决方案代码在每个面向项目的课程的 /solution 文件夹中）。
• 进行课后测验。
• 完成挑战和作业。
• 交流学习：完成一组课程后，访问讨论板，填写PAT评估工具，与其他学习者交流学习心得。