🌐 多言語サポート

GitHub Action によるサポート（自動かつ常に最新）

ローカルでクローンするのが良いですか？

このリポジトリには50以上の言語翻訳が含まれており、ダウンロードサイズが大幅に増加します。翻訳なしでクローンするには、スパースチェックアウトを使用してください：

Bash / macOS / Linux:
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):
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"
これにより、コースを完了するために必要なすべてが、より高速なダウンロードで得られます。

コミュニティに参加しましょう

Discord上で進行中の「Learn with AI」シリーズについての詳細および参加は、Learn with AI Series でご覧いただけます。2025年9月18日から30日まで開催され、GitHub Copilotを使ったデータサイエンスのヒントやコツを得られます。

初心者のための機械学習 - カリキュラム

🌍 世界の文化を通じて機械学習を探求しながら世界を旅しよう 🌍

Microsoft のクラウドアドボケートが提供する、12週間・26レッスンの機械学習に関するカリキュラムを紹介します。本カリキュラムでは、主に Scikit-learn ライブラリを使用した 「クラシック機械学習」 と呼ばれる分野について学びます。ディープラーニングは弊社の AI for Beginners カリキュラムにて扱っています。『初心者向けデータサイエンス』カリキュラムともぜひ合わせてご利用ください。

世界中のさまざまなデータを用いて、クラシックな手法を適用しながら一緒に世界を旅しましょう。各レッスンには、事前・事後のクイズ、詳細な手順書、解答例、課題などが含まれています。プロジェクトを通じて学べるため、新しいスキルが定着しやすくなっています。

✍️ 監修者の皆様へ心より感謝
Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu, Amy Boyd

🎨 イラスト担当の皆様へも感謝
Tomomi Imura, Dasani Madipalli, Jen Looper

🙏 特別な感謝 🙏
Microsoft Student Ambassador の著者・レビューアー・コンテンツ貢献者の皆様、特に Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, Snigdha Agarwal

🤩 Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi, Vidushi Gupta にも特別感謝！Rレッスン関連でのご協力に感謝します。

はじめに

以下の手順に従ってください：

リポジトリをフォークする：ページ右上の「Fork」ボタンをクリックしてください。
リポジトリをクローンする：
git clone https://github.com/microsoft/ML-For-Beginners.git

このコースの追加リソースはMicrosoft Learnコレクションにあります

🔧 お困りですか？ よくある問題の解決にはトラブルシューティングガイドをご覧ください。

学生の皆さん
このカリキュラムを利用するには、リポジトリ全体を自分のGitHubアカウントにフォークし、個人またはグループで練習課題を行います：

講義前のクイズでスタート。
講義を読み、各知識チェックで立ち止まり振り返りながら課題を進めます。
解答コードを見るのではなく、レッスンを理解してからプロジェクトを作成しよう。ただし、解答コードは各プロジェクトレッスンの /solution フォルダにあります。
講義後のクイズを受けます。
チャレンジをクリアします。
課題を提出します。
レッスングループを終えたら、ディスカッションボードで「学んだことを声に出して」 PAT評価を記入してください。PATは進捗評価ツールで、自分の学びを深めるためのルーブリックです。他の人のPATにもリアクションをして、一緒に学び合えます。

さらなる学習には、これらの Microsoft Learn モジュールや学習パスをお勧めします。

教員の方へ、本カリキュラムの活用についていくつかの提案を掲載しています。

動画解説

いくつかのレッスンは短い動画で視聴可能です。各レッスン内または Microsoft Developer YouTube チャンネルの ML for Beginners プレイリストでご覧いただけます。下の画像をクリックしてください。

チーム紹介

GIF作成者 Mohit Jaisal

🎥 上の画像をクリックすると、プロジェクトおよび制作スタッフについての動画が見られます！

教育方針

本カリキュラム作成にあたり、２つの教育的信念を掲げています。すなわち、ハンズオンで プロジェクトベース であることと、頻繁なクイズ を含むことです。さらに、内容に統一感を持たせる共通の テーマ を設けています。

プロジェクトに合わせた内容にすることで、学習がより興味深くなり、概念の定着が促進されます。クラス前の低負荷のクイズは学習への意欲付けをし、クラス後のクイズが更なる定着を促します。本カリキュラムは柔軟で楽しく学べ、全体または部分的に利用できます。プロジェクトは小さなものから始まり、12週間のサイクル終了時にはより複雑になります。また、実世界における機械学習応用に関する追記もあり、追加課題やディスカッションの基礎として使えます。

行動規範、貢献ガイド、翻訳、トラブルシューティングのガイドラインがあります。皆様からの建設的なフィードバックを歓迎します！

各レッスンに含まれるもの

任意のスケッチノート
任意の補助動画
動画解説（一部のレッスンのみ）
講義前ウォームアップクイズ
テキスト形式の講義
プロジェクトベースのレッスンには、プロジェクト構築のステップバイステップガイド
知識チェック
チャレンジ
補足読書資料
課題
講義後クイズ

言語についての注意: これらのレッスンは主に Python で書かれていますが、多くは R でも利用可能です。R のレッスンを行うには、/solution フォルダにある R レッスンを確認してください。ファイルは .rmd 拡張子を持っており、R Markdown ファイルです。これは、R または他の言語のコードチャンクと、PDFなどの出力形式を指定する YAML ヘッダー を組み合わせた Markdownドキュメント です。コードやその出力、考えを書くことが Markdown で可能なため、データサイエンスの著作フレームワークとして最適です。さらに、R Markdown ドキュメントは PDF、HTML、Word などの出力形式にレンダリングできます。 クイズについての注意: すべてのクイズはQuiz Appフォルダーに含まれており、全52問の3問ずつのクイズがあります。レッスン内からリンクされていますが、クイズアプリはローカルで実行可能です。ローカルホストやAzureへのデプロイの指示はquiz-appフォルダー内を参照してください。

レッスン番号	テーマ	レッスングループ	学習目標	リンクされたレッスン	作者
01	機械学習の紹介	紹介	機械学習の基本概念を学ぶ	レッスン	Muhammad
02	機械学習の歴史	紹介	この分野の歴史を学ぶ	レッスン	Jen and Amy
03	公平性と機械学習	紹介	機械学習モデルの構築と適用に際して考慮すべき公平性に関する重要な哲学的問題とは何か？	レッスン	Tomomi
04	機械学習の手法	紹介	機械学習研究者はどのような手法を使ってモデルを作るのか？	レッスン	Chris and Jen
05	回帰入門	回帰	PythonとScikit-learnで回帰モデルの基礎を学ぶ	Python • R	Jen • Eric Wanjau
06	北米のカボチャ価格 🎃	回帰	機械学習準備のためのデータの可視化とクリーニング	Python • R	Jen • Eric Wanjau
07	北米のカボチャ価格 🎃	回帰	線形および多項式回帰モデルを作成	Python • R	Jen and Dmitry • Eric Wanjau
08	北米のカボチャ価格 🎃	回帰	ロジスティック回帰モデルを作成	Python • R	Jen • Eric Wanjau
09	ウェブアプリ 🔌	ウェブアプリ	トレーニング済みモデルを使うためのウェブアプリを作る	Python	Jen
10	分類入門	分類	データのクリーニング、準備、可視化と分類の入門	Python • R	Jen and Cassie • Eric Wanjau
11	美味しいアジア・インド料理 🍜	分類	分類器の紹介	Python • R	Jen and Cassie • Eric Wanjau
12	美味しいアジア・インド料理 🍜	分類	さらなる分類器	Python • R	Jen and Cassie • Eric Wanjau
13	美味しいアジア・インド料理 🍜	分類	モデルを使って推薦ウェブアプリを作成	Python	Jen
14	クラスタリング入門	クラスタリング	データのクリーニング、準備、可視化；クラスタリングの入門	Python • R	Jen • Eric Wanjau
15	ナイジェリアの音楽嗜好の探求 🎧	クラスタリング	K-Meansクラスタリング手法を探求	Python • R	Jen • Eric Wanjau
16	自然言語処理入門 ☕️	自然言語処理	簡単なボットを作りながらNLPの基本を学ぶ	Python	Stephen
17	一般的なNLPタスク ☕️	自然言語処理	言語構造処理に必要な一般的なタスクを理解してNLP知識を深める	Python	Stephen
18	翻訳と感情分析 ♥️	自然言語処理	ジェーン・オースティンを使った翻訳と感情分析	Python	Stephen
19	ヨーロッパのロマンチックなホテル ♥️	自然言語処理	ホテルレビューでの感情分析 1	Python	Stephen
20	ヨーロッパのロマンチックなホテル ♥️	自然言語処理	ホテルレビューでの感情分析 2	Python	Stephen
21	時系列予測入門	時系列	時系列予測の入門	Python	Francesca
22	⚡️ 世界の電力使用量 ⚡️ - ARIMAによる時系列予測	時系列	ARIMAによる時系列予測	Python	Francesca
23	⚡️ 世界の電力使用量 ⚡️ - SVRによる時系列予測	時系列	サポートベクター回帰による時系列予測	Python	Anirban
24	強化学習入門	強化学習	Q学習を使った強化学習入門	Python	Dmitry
25	ピーターをオオカミから守ろう！ 🐺	強化学習	強化学習Gym	Python	Dmitry
補遺	実世界の機械学習シナリオと応用	実世界の機械学習	古典的な機械学習の興味深くかつ示唆に富んだ実世界の応用例	レッスン	チーム
補遺	RAIダッシュボードを使ったMLのモデルデバッグ	実世界の機械学習	Responsible AIダッシュボードコンポーネントを用いた機械学習モデルのデバッグ	レッスン	Ruth Yakubu

このコースの追加リソースはすべてMicrosoft Learnコレクションで見つけられます

オフラインアクセス

このドキュメントをオフラインで実行するには、Docsifyを使用してください。このリポジトリをフォークして、Docsifyをローカルマシンにインストールし、その後このリポジトリのルートフォルダーで docsify serve を実行します。ウェブサイトはlocalhostのポート3000で提供されます: localhost:3000。