第二段階：古典的機械学習

ML-For-Beginners プロジェクト詳細

プロジェクト概要

ML-For-Beginners は、マイクロソフトのクラウドアドボケイトチームによって開発された、包括的な機械学習初心者向けチュートリアルプロジェクトです。これは、世界中の文化データを使用して機械学習を探求することに焦点を当てた、12週間、26のレッスン、52の小テストを含む古典的な機械学習カリキュラムです。

主な特徴

• 🌍 グローバルな視点: 世界中の文化データを通じて機械学習を学習
• 📚 体系的なカリキュラム: 12週間の完全なカリキュラム、26の詳細なレッスン
• 🧪 実践志向: プロジェクトベースの教育方法、学びながら実践
• 🔍 評価システム: 52の小テストを含む、授業前後の二重評価
• 🎯 古典的な機械学習: 主にScikit-learnライブラリを使用し、ディープラーニングの内容は避ける

教育理念

2つの主要な教育原則

1. 実践: すべての内容がプロジェクトベースの実践学習であることを保証
2. 頻繁な評価: 授業前後のテストを通じて学習効果を保証

カリキュラム構成

各レッスンには、次のコンポーネントが含まれています。

• オプションの手描きノート (sketchnote)
• オプションの補足ビデオ
• ビデオデモンストレーション（一部のレッスン）
• 授業前のウォーミングアップテスト
• 書面によるレッスン内容
• プロジェクトベースのステップバイステップガイド
• 知識チェックポイント
• チャレンジ演習
• 補足資料
• 宿題
• 授業後のテスト

完全なカリキュラム概要

第1-4課：機械学習の基礎紹介

• レッスン1: 機械学習の紹介
• レッスン2: 機械学習の歴史
• レッスン3: 機械学習における公平性
• レッスン4: 機械学習技術

第5-8課：回帰分析

• レッスン5: 線形回帰の紹介
• レッスン6: 北米のカボチャ価格予測（線形回帰）
• レッスン7: カボチャ価格予測（多項式回帰）
• レッスン8: ロジスティック回帰の紹介

第9課：Webアプリケーション開発

• レッスン9: Webアプリケーションの構築

第10-13課：分類アルゴリズム

• レッスン10: 分類アルゴリズムの紹介
• レッスン11: アジアとインドの料理分類
• レッスン12: その他の分類アルゴリズム
• レッスン13: レコメンデーションシステム

第14-15課：クラスタリングアルゴリズム

• レッスン14: クラスタリングアルゴリズムの紹介
• レッスン15: ナイジェリアの音楽の好みを探索

第16-20課：自然言語処理

• レッスン16: 自然言語処理の紹介
• レッスン17: 一般的なNLPタスク
• レッスン18: 翻訳と感情分析
• レッスン19: ロマンチックなホテルのレビュー分析（1）
• レッスン20: ロマンチックなホテルのレビュー分析（2）

第21-23課：時系列分析

• レッスン21: 時系列予測の紹介
• レッスン22: ARIMA時系列予測
• レッスン23: サポートベクター回帰時系列予測

第24-25課：強化学習

• レッスン24: 強化学習とQ-Learning
• レッスン25: Gymを使用した強化学習

第26課：現実世界での応用

• レッスン26: 機械学習の現実世界での応用

技術スタックとツール

主要なプログラミング言語

• Python: 主にPythonを使用して教育
• R: 一部のレッスンではR言語バージョンを提供

コアライブラリとフレームワーク

• Scikit-learn: 主要な機械学習ライブラリ
• Pythonデータサイエンスエコシステム: pandas, numpy, matplotlibなど

サポートツール

• Jupyter Notebook: インタラクティブなプログラミング環境
• R Markdown: R言語のレッスンで使用
• Quiz App: 専用のテストアプリケーション

学習リソース

マルチメディアサポート

• 手描きノートは概念の理解を助けます
• ビデオチュートリアルは補足説明を提供します
• 実践プロジェクトのデモンストレーション

評価システム

• 52の小テスト（それぞれ3つの質問を含む）
• 授業前の予習テスト
• 授業後の復習テスト
• プロジェクト実践評価

コミュニティサポート

• GitHubディスカッションフォーラム
• 学習進捗評価ツール（PAT）
• 仲間との学習とフィードバック

学習アドバイス

対象者

• 機械学習の初心者
• 基礎的なプログラミング経験のある学習者
• 古典的な機械学習を体系的に学習したい人

学習方法

1. プロジェクトを個人のGitHubアカウントにフォーク
2. 各レッスンを順番に完了
3. すべての実践プロジェクトを完了
4. コミュニティディスカッションと仲間との学習に参加

関連コース

• AI for Beginners: ディープラーニングの内容
• Data Science for Beginners: データサイエンスの基礎

プロジェクトチーム

主要な著者

• Jen Looper, Stephen Howell, Francesca Lazzeri
• Tomomi Imura, Cassie Breviu, Dmitry Soshnikov
• Chris Noring, Anirban Mukherjee, Ornella Altunyan
• Ruth Yakubu, Amy Boyd

イラストデザイン

• Tomomi Imura, Dasani Madipalli, Jen Looper

学生大使貢献者

• Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj
• Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum
• Ioan Samuila, Snigdha Agarwal

使用方法

プロジェクトの取得

git clone https://github.com/microsoft/ML-For-Beginners.git

ローカルでドキュメントを実行

npm i docsify-cli -g
docsify serve

オンラインアクセス

• GitHubリポジトリに直接アクセス
• Microsoft Learnコレクションを表示
• YouTubeビデオチュートリアルを視聴

ライセンスと貢献

このプロジェクトはオープンソースライセンスに従っており、コミュニティの貢献を歓迎します。プロジェクトは詳細な貢献ガイドラインと行動規範を提供し、多言語翻訳とコンテンツの改善をサポートします。