Github每日精选（第96期）：微软的机器学习课程ML-For-Beginners

12 周，26 节课，52 道测验，适合所有人的经典机器学习。
添加链接描述

初学者机器学习 - 课程

Microsoft 的 Azure Cloud Advocates 很高兴提供为期 12 周、26 节课的全部关于机器学习的课程。在本课程中，您将了解有时称为经典机器学习的内容，主要使用 Scikit-learn 作为库并避免深度学习，这将在我们即将推出的“AI 初学者”课程中介绍。

入门

要使用本课程，请将整个存储库 fork 到您自己的 GitHub 帐户，并自行或与小组一起完成练习：

• 从课前测验开始。
• 阅读讲座并完成活动，在每次知识检查时暂停并反思。
• 尝试通过理解课程而不是运行解决方案代码来创建项目；/solution但是，每- - 个面向项目的课程的文件夹中都提供了该代码。
• 参加课后测验。
• 完成挑战。
• 完成作业。
• 完成课程组后，访问讨论区并通过填写适当的 PAT 规则“大声学习”。“PAT”是
  一种进度评估工具，它是您填写的标题以进一步学习。您还可以对其他 PAT - 做出反应，以便我们一起学习。

目前的课程

课号	话题	学习目标
01	机器学习简介	了解机器学习背后的基本概念
02	机器学习的历史	了解该领域的历史
02	机器学习的历史	了解该领域的历史
03	公平与机器学习	学生在构建和应用
04	机器学习技术	ML 研究人员使用哪些技术来构建 ML 模型
05	回归简介	开始使用 Python 和 Scikit-learn 构建回归模型
06	北美南瓜价格🎃	可视化和清理数据，为 ML 做准备
07	北美南瓜价格🎃	构建线性和多项式回归模型
08	北美南瓜价格🎃	建立逻辑回归模型
09	网络应用🔌	构建 Web 应用程序以使用经过训练的模型
10	分类介绍	清理、准备和可视化您的数据；分类介绍
11	美味的亚洲和印度美食🍜	分类器简介
12	美味的亚洲和印度美食🍜	更多分类器
13	美味的亚洲和印度美食🍜	使用您的模型构建推荐网络应用程序
14	聚类简介	清理、准备和可视化您的数据；聚类简介
15	探索尼日利亚的音乐品味🎧	探索 K-Means 聚类方法
16	自然语言处理简介☕️	通过构建一个简单的机器人来学习 NLP 的基础知识
17	常见的 NLP 任务☕️	通过理解处理语言结构时所需的常见任务来加深您的NLP 知识
18	翻译和情感分析♥️	简·奥斯汀的翻译和情感分析
19	欧洲的浪漫酒店♥️	带有酒店评论的情感分析 1
20	欧洲的浪漫酒店♥️	酒店评论的情感分析 2
21	时间序列预测简介	时间序列预测简介
22	⚡️世界用电量⚡️- 使用 ARIMA 进行时间序列预测	使用 ARIMA 进行时间序列预测 Python 弗朗西斯卡
23	⚡️世界用电量⚡️- 使用 SVR 进行时间序列预测	使用支持向量回归器进行时间序列预测 Python 阿尼班
24	强化学习简介	Q-Learning 强化学习简介
25	帮助彼得避开狼！🐺	强化学习健身房

那就开始吧

微软的课程还是很用心的，从这些图片的绘制就可以看的出来，如果英文不好的话，看看有没有人把他翻译成中文吧。