Arabisch | Bengaals | Bulgaars | Birmaans (Myanmar) | Chinees (Vereenvoudigd) | Chinees (Traditioneel, Hong Kong) | Chinees (Traditioneel, Macau) | Chinees (Traditioneel, Taiwan) | Kroatisch | Tsjechisch | Deens | Nederlands | Ests | Fins | Frans | Duits | Grieks | Hebreeuws | Hindi | Hongaars | Indonesisch | Italiaans | Japans | Kannada | Koreaans | Litouws | Maleis | Malayalam | Marathi | Nepalees | Nigeriaans Pidgin | Noors | Perzisch (Farsi) | Pools | Portugees (Brazilië) | Portugees (Portugal) | Punjabi (Gurmukhi) | Roemeens | Russisch | Servisch (Cyrillisch) | Slowaaks | Sloveens | Spaans | Swahili | Zweeds | Tagalog (Filipijns) | Tamil | Telugu | Thai | Turks | Oekraïens | Urdu | Vietnamees
Liever lokaal klonen?
Deze repository bevat meer dan 50 taalvertalingen, wat de downloadgrootte aanzienlijk vergroot. Om zonder vertalingen te klonen, gebruik je sparse checkout:
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"Dit geeft je alles wat je nodig hebt om de cursus af te ronden met een veel snellere download.
We hebben een Discord leer met AI-serie lopen, leer meer en sluit je aan bij ons op Learn with AI Series van 18 - 30 september 2025. Je krijgt tips en trucs over het gebruik van GitHub Copilot voor Data Science.
🌍 Reizen over de hele wereld terwijl we Machine Learning verkennen door middel van wereldculturen 🌍
Cloud Advocates bij Microsoft bieden met plezier een 12-weekse, 26-lessen curriculum aan over Machine Learning. In dit curriculum leer je over wat soms klassieke machine learning wordt genoemd, met hoofdzakelijk Scikit-learn als bibliotheek en waarbij deep learning wordt vermeden, wat behandeld wordt in ons AI voor Beginners-curriculum. Combineer deze lessen ook met onze 'Data Science voor Beginners-curriculum'!
Reis met ons de wereld rond terwijl we deze klassieke technieken toepassen op data uit vele regio's van de wereld. Elke les bevat voor- en na-les quizzen, geschreven instructies om de les te voltooien, een oplossing, een opdracht, en meer. Onze projectgerichte pedagogiek stelt je in staat te leren terwijl je bouwt, een bewezen manier om nieuwe vaardigheden te laten beklijven.
✍️ Hartelijke dank aan onze auteurs Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu en Amy Boyd
🎨 Dank ook aan onze illustratoren Tomomi Imura, Dasani Madipalli, en Jen Looper
🙏 Speciale dank 🙏 aan onze Microsoft Student Ambassador-auteurs, beoordelaars en contentbijdragers, met name Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila en Snigdha Agarwal
🤩 Extra dankbaarheid aan Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi en Vidushi Gupta voor onze R-lessen!
Volg deze stappen:
- Fork de repository: Klik op de knop "Fork" rechtsboven op deze pagina.
- Clone de repository:
git clone https://github.com/microsoft/ML-For-Beginners.git
vind alle aanvullende bronnen voor deze cursus in onze Microsoft Learn-collectie
🔧 Hulp nodig? Bekijk onze Probleemoplossingsgids voor oplossingen voor veelvoorkomende problemen met installatie, setup en het uitvoeren van lessen.
Studenten, om dit curriculum te gebruiken, fork je de hele repo naar je eigen GitHub-account en voltooi je de oefeningen alleen of in een groep:
- Begin met een pre-lecture quiz.
- Lees de les en voer de activiteiten uit, pauzeer en reflecteer bij elke kennischeck.
- Probeer de projecten te maken door de lessen te begrijpen in plaats van simpelweg de oplossingscode uit te voeren; die code is echter beschikbaar in de
/solutionmappen in elke projectgerichte les. - Maak de post-lecture quiz.
- Voltooi de challenge.
- Voltooi de opdracht.
- Nadat je een lesgroep hebt afgerond, bezoek je het Discussiebord en "leer hardop" door het invullen van de passende PAT-rubriek. Een 'PAT' is een Vooruitgangsbeoordelingsinstrument (Progress Assessment Tool) dat je invult om je leerproces te bevorderen. Je kunt ook reageren op andere PAT's zodat we samen kunnen leren.
Voor verdere studie raden we aan deze Microsoft Learn modules en leerpaden te volgen.
Docenten, we hebben enkele suggesties opgenomen over het gebruik van dit curriculum.
Sommige van de lessen zijn beschikbaar als korte video's. Je vindt ze inline in de lessen, of op de ML for Beginners-afspeellijst op het Microsoft Developer YouTube-kanaal door op de afbeelding hieronder te klikken.
Gif door Mohit Jaisal
🎥 Klik op de afbeelding hierboven voor een video over het project en de mensen die het hebben gemaakt!
We hebben twee pedagogische principes gekozen bij het samenstellen van dit curriculum: het waarborgen dat het hands-on projectgebaseerd is en dat het frequente quizzen bevat. Bovendien heeft dit curriculum een gemeenschappelijk thema om het samenhang te geven.
Door ervoor te zorgen dat de inhoud aansluit bij projecten wordt het proces boeiender voor studenten en wordt de conceptretentie vergroot. Bovendien stelt een quiz met lage inzet voorafgaand aan een les de intentie van de student voor het leren van een onderwerp, terwijl een tweede quiz na de les verdere retentie waarborgt. Dit curriculum is bedoeld om flexibel en leuk te zijn en kan geheel of gedeeltelijk worden gevolgd. De projecten beginnen klein en worden geleidelijk complexer aan het einde van de 12-weekse cyclus. Dit curriculum bevat ook een naschrift over de toepassingen van ML in de echte wereld, dat kan worden gebruikt als extra krediet of als basis voor discussie.
Vind onze Gedragscode, Bijdragen, Vertalingen, en Probleemoplossing richtlijnen. We verwelkomen je opbouwende feedback!
- optionele schetsnotitie
- optionele aanvullende video
- video walkthrough (sommige lessen)
- pre-lecture warming-up quiz
- geschreven les
- voor projectgebaseerde lessen, stapsgewijze gidsen over hoe je het project bouwt
- kenniscontroles
- een uitdaging
- aanvullende literatuur
- opdracht
- post-lecture quiz
Een opmerking over talen: Deze lessen zijn voornamelijk geschreven in Python, maar veel zijn ook beschikbaar in R. Om een R-les te voltooien, ga naar de
/solutionmap en zoek naar R-lessen. Ze bevatten een .rmd extensie die staat voor een R Markdown bestand, wat simpelweg kan worden gedefinieerd als een insluiting vancodeblokjes(van R of andere talen) en eenYAML-header(die bepaald hoe uitvoerformaten zoals PDF worden opgemaakt) in eenMarkdown-document. Het dient daarmee als een voorbeeld van een auteurssysteem voor datawetenschap omdat het je in staat stelt je code, de uitvoer ervan en je gedachten te combineren door ze in Markdown op te schrijven. Bovendien kunnen R Markdown documenten worden gerenderd naar uitvoerformaten zoals PDF, HTML of Word. Een opmerking over quizzen: Alle quizzen zijn te vinden in de Quiz App-map, met in totaal 52 quizzen van elk drie vragen. Ze zijn gelinkt vanuit de lessen, maar de quiz-app kan ook lokaal worden uitgevoerd; volg de instructies in dequiz-app-map om lokaal te hosten of te implementeren naar Azure.
| Lesnummer | Onderwerp | Les Groepering | Leerdoelen | Gelinkte Les | Auteur |
|---|---|---|---|---|---|
| 01 | Introductie tot machine learning | Inleiding | Leer de basisconcepten achter machine learning | Les | Muhammad |
| 02 | De geschiedenis van machine learning | Inleiding | Leer de geschiedenis achter dit vakgebied | Les | Jen en Amy |
| 03 | Rechtvaardigheid en machine learning | Inleiding | Wat zijn de belangrijke filosofische kwesties rond rechtvaardigheid die studenten moeten overwegen bij het bouwen en toepassen van ML modellen? | Les | Tomomi |
| 04 | Technieken voor machine learning | Inleiding | Welke technieken gebruiken ML-onderzoekers om ML-modellen te bouwen? | Les | Chris en Jen |
| 05 | Introductie tot regressie | Regressie | Begin met Python en Scikit-learn voor regressiemodellen | Python • R | Jen • Eric Wanjau |
| 06 | Noord-Amerikaanse pompoenprijzen 🎃 | Regressie | Visualiseer en reinig data ter voorbereiding op ML | Python • R | Jen • Eric Wanjau |
| 07 | Noord-Amerikaanse pompoenprijzen 🎃 | Regressie | Bouw lineaire en polynomiale regressiemodellen | Python • R | Jen en Dmitry • Eric Wanjau |
| 08 | Noord-Amerikaanse pompoenprijzen 🎃 | Regressie | Bouw een logistiek regressiemodel | Python • R | Jen • Eric Wanjau |
| 09 | Een Web App 🔌 | Web App | Bouw een webapplicatie om je getrainde model te gebruiken | Python | Jen |
| 10 | Introductie tot classificatie | Classificatie | Reinig, bereid voor, en visualiseer je data; introductie tot classificatie | Python • R | Jen en Cassie • Eric Wanjau |
| 11 | Verrukkelijke Aziatische en Indiase keukens 🍜 | Classificatie | Introductie tot classifiers | Python • R | Jen en Cassie • Eric Wanjau |
| 12 | Verrukkelijke Aziatische en Indiase keukens 🍜 | Classificatie | Meer classifiers | Python • R | Jen en Cassie • Eric Wanjau |
| 13 | Verrukkelijke Aziatische en Indiase keukens 🍜 | Classificatie | Bouw een recommender-webapp met je model | Python | Jen |
| 14 | Introductie tot clustering | Clustering | Reinig, bereid voor, en visualiseer je data; introductie tot clustering | Python • R | Jen • Eric Wanjau |
| 15 | Verkenning van Nigeriaanse muziekvoorkeuren 🎧 | Clustering | Verken de K-Means clusteringmethode | Python • R | Jen • Eric Wanjau |
| 16 | Introductie tot natuurlijke taalverwerking ☕️ | Natuurlijke taalverwerking | Leer de basis van NLP door een eenvoudige bot te bouwen | Python | Stephen |
| 17 | Veelvoorkomende NLP-taken ☕️ | Natuurlijke taalverwerking | Verdiep je NLP-kennis door de veelvoorkomende taken te begrijpen die nodig zijn bij het omgaan met taalstructuren | Python | Stephen |
| 18 | Vertaling en sentimentanalyse |
Natuurlijke taalverwerking | Vertaling en sentimentanalyse met Jane Austen | Python | Stephen |
| 19 | Romantische hotels van Europa |
Natuurlijke taalverwerking | Sentimentanalyse met hotel beoordelingen 1 | Python | Stephen |
| 20 | Romantische hotels van Europa |
Natuurlijke taalverwerking | Sentimentanalyse met hotel beoordelingen 2 | Python | Stephen |
| 21 | Introductie tot tijdreeksvoorspelling | Tijdreeksen | Introductie tot tijdreeksvoorspelling | Python | Francesca |
| 22 | ⚡️ Wereldwijde energieverbruik ⚡️ - tijdreeksvoorspelling met ARIMA | Tijdreeksen | Tijdreeksvoorspelling met ARIMA | Python | Francesca |
| 23 | ⚡️ Wereldwijde energieverbruik ⚡️ - tijdreeksvoorspelling met SVR | Tijdreeksen | Tijdreeksvoorspelling met Support Vector Regressor | Python | Anirban |
| 24 | Introductie tot reinforcement learning | Reinforcement learning | Introductie tot reinforcement learning met Q-Learning | Python | Dmitry |
| 25 | Help Peter de wolf te ontwijken! 🐺 | Reinforcement learning | Reinforcement learning Gym | Python | Dmitry |
| Nawoord | Echte ML-scenario's en toepassingen | ML in het Wild | Interessante en onthullende toepassingen van klassieke ML in de echte wereld | Les | Team |
| Nawoord | Model Debugging in ML met de RAI-dashboard | ML in het Wild | Model Debugging in Machine Learning met Responsible AI dashboardcomponenten | Les | Ruth Yakubu |
vind alle aanvullende bronnen voor deze cursus in onze Microsoft Learn-collectie
Je kunt deze documentatie offline gebruiken met Docsify. Fork deze repo, installeer Docsify op je lokale machine, en typ dan in de hoofdmap van deze repo docsify serve. De website wordt geserveerd op poort 3000 op je localhost: localhost:3000.
Vind een pdf van het curriculum met links hier.
Ons team produceert ook andere cursussen! Bekijk:
-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA){kind=icon}
-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC){kind=icon}
-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9){kind=icon}
Als je vastloopt of vragen hebt over het bouwen van AI-apps. Doe mee met mede-leerlingen en ervaren ontwikkelaars in discussies over MCP. Het is een ondersteunende gemeenschap waar vragen welkom zijn en kennis vrij gedeeld wordt.
Als je productfeedback hebt of fouten tegenkomt tijdens het bouwen, bezoek dan:
- Bekijk notitieboeken na elke les voor een beter begrip.
- Oefen met het zelf implementeren van algoritmen.
- Verken echte datasets met de geleerde concepten.
Disclaimer: Dit document is vertaald met behulp van de AI vertaaldienst Co-op Translator. Hoewel we streven naar nauwkeurigheid, dient u zich ervan bewust te zijn dat geautomatiseerde vertalingen fouten of onnauwkeurigheden kunnen bevatten. Het oorspronkelijke document in de oorspronkelijke taal moet als de gezaghebbende bron worden beschouwd. Voor cruciale informatie wordt professionele menselijke vertaling aanbevolen. Wij zijn niet aansprakelijk voor misverstanden of verkeerd geïnterpreteerde informatie voortvloeiend uit het gebruik van deze vertaling.