🌐 多言語対応

GitHub Action経由でサポート（自動化＆常に最新）

ローカルでのクローンを希望しますか？

このリポジトリは50以上の言語翻訳を含んでいるため、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したい場合は、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"
これで、コースを完了するために必要なものをより高速にダウンロードできます。

コミュニティに参加しよう

2025年9月18日〜30日の間、Discordで「AIと一緒に学ぼう」シリーズを開催しています。詳細と参加はこちらから Learn with AI Series。GitHub Copilotを使ったデータサイエンスのコツやヒントをお届けします。

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一周の旅へ 🌍

MicrosoftのCloud Advocatesは、機械学習に関する12週間、26レッスンのカリキュラムを提供します。このカリキュラムでは、主にScikit-learnライブラリを使用し、ディープラーニングは避けるいわゆるクラシック機械学習を学びます（ディープラーニングはAI for Beginners'カリキュラムで扱っています）。合わせて『初心者のためのデータサイエンス』カリキュラムもご利用ください。

世界各地のデータにこれらの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、レッスンの解説、解答例、課題などが含まれます。私たちのプロジェクトベースの教育方針は、学びながら作ることを可能にし、新しいスキルの定着に効果的です。

✍️ 執筆者の皆様に感謝：Jen Looper、Stephen Howell、Francesca Lazzeri、Imura Tomomi、Cassie Breviu、Dmitry Soshnikov、Chris Noring、Anirban Mukherjee、Ornella Altunyan、Ruth Yakubu、Amy Boyd

🎨 イラストレーターへの感謝：Imura Tomomi、Dasani Madipalli、Jen Looper

🙏 特別感謝 🙏 Microsoft Student Ambassadorの著者、レビュアー、コンテンツ提供者の皆さん、特にRishit Dagli、Muhammad Sakib Khan Inan、Rohan Raj、Alexandru Petrescu、Abhishek Jaiswal、Nawrin Tabassum、Ioan Samuila、Snigdha Agarwal

🤩 加えて、Microsoft Student Ambassadors Eric Wanjau、Jasleen Sondhi、Vidushi GuptaへRレッスンに関する特別な感謝!

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：このページ右上の「Fork」ボタンをクリックします。
リポジトリをクローン： 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のコレクションにあります

🔧 困ったときは？ インストール・セットアップ・レッスン実行に関する一般的な問題はトラブルシューティングガイドを参照してください。

学生向け：このカリキュラムを利用するには、リポジトリ全体を自身のGitHubアカウントにフォークし、個人またはグループで練習問題を解いてください：

レクチャー前のクイズから始めます。
レクチャーを読み、知識チェック時に立ち止まりながらアクティビティを完了してください。
解答コードを実行するのではなく、レッスンを理解してプロジェクトを作成しようと試みてください。ただし解答コードは各プロジェクト型レッスンの/solutionフォルダにあります。
レクチャー後のクイズを受けます。
チャレンジに取り組みます。
課題を完了します。
レッスングループ修了後はディスカッションボードにアクセスし、該当するPATルーブリックに「学びを発信」してください。PAT（Progress Assessment Tool）は学習を深めるための評価用ルーブリックです。他のPATにリアクションをして共に学びましょう。

更なる学習には、これらのMicrosoft Learnモジュールと学習パスをおすすめします。

教員の皆さまへはカリキュラム活用方法の提案を用意しています。

動画解説

一部のレッスンは短い動画で提供されています。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になれます。下の画像をクリックしてください。

チーム紹介

Gif 制作： Mohit Jaisal

🎥 上の画像をクリックするとプロジェクトと制作者紹介の動画が見られます！

教育方針

このカリキュラムの構築にあたり、2つの教育方針を選びました：ハンズオンのプロジェクトベースであること、そして頻繁なクイズを含むことです。また、一貫性のある共通のテーマを持たせています。

コンテンツがプロジェクトと連動することで、学習の興味が増し、概念の定着が促進されます。加えて、授業前の低リスクなクイズは学習意図を明確にし、授業後のクイズは理解の定着を助けます。このカリキュラムは柔軟で楽しく設計されており、全てまたは一部だけを受講することができます。プロジェクトは小さく始まり、12週の終わりにはより複雑になります。さらに現実世界のML応用についての追補も含まれており、追加の単位やディスカッションの素材として利用可能です。

行動規範、貢献ガイド、翻訳について、トラブルシューティングもご覧ください。建設的なフィードバックをお待ちしています！

各レッスンに含まれるもの

任意のスケッチノート
任意の補足動画
動画解説（一部のレッスンのみ）
レクチャー前のウォームアップクイズ
レッスン文書
プロジェクトベースのレッスンにはステップバイステップのプロジェクト構築ガイド
知識チェック
チャレンジ
補足読書資料
課題
レクチャー後のクイズ

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のレッスンを完了するには、/solutionフォルダーに移動し、Rレッスンを探してください。これらは、R Markdownファイルを表す.rmd拡張子を持っており、これはコードチャンク（Rまたは他言語の）とYAMLヘッダー（PDFなどの出力形式のガイド）をMarkdownドキュメント内に埋め込んだものと単純に定義できます。そのため、コード、その出力、考えをMarkdownで書き記すことができるため、データサイエンスの優れた作成フレームワークとなります。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 folder内にあり、各3問の全52クイズが含まれています。レッスン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できます。quiz-appフォルダー内の説明に従い、ローカルホスティングまたはAzureへのデプロイを行ってください。

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	著者
01	機械学習の紹介	Introduction	機械学習の基本概念を学ぶ	Lesson	Muhammad
02	機械学習の歴史	Introduction	この分野の歴史を学ぶ	Lesson	Jen and Amy
03	公平性と機械学習	Introduction	MLモデルの構築と適用時に考慮すべき公平性に関する重要な哲学的問題とは？	Lesson	Tomomi
04	機械学習の技法	Introduction	ML研究者がMLモデルを構築するために使う技法とは？	Lesson	Chris and Jen
05	回帰分析の紹介	Regression	PythonとScikit-learnを使った回帰モデルの入門	Python • R	Jen • Eric Wanjau
06	北米のカボチャの価格 🎃	Regression	MLのためのデータの可視化とクレンジング	Python • R	Jen • Eric Wanjau
07	北米のカボチャの価格 🎃	Regression	線形回帰モデルと多項式回帰モデルを構築	Python • R	Jen and Dmitry • Eric Wanjau
08	北米のカボチャの価格 🎃	Regression	ロジスティック回帰モデルを構築	Python • R	Jen • Eric Wanjau
09	ウェブアプリ 🔌	Web App	訓練済みモデルを使うためのウェブアプリを構築	Python	Jen
10	分類の紹介	Classification	データのクレンジング、準備、可視化；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 🍜	Classification	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 🍜	Classification	さらに多くの分類器	Python • R	Jen and Cassie • Eric Wanjau
13	美味しいアジア・インド料理 🍜	Classification	モデルを使ったレコメンダーウェブアプリを構築	Python	Jen
14	クラスタリングの紹介	Clustering	データのクレンジング、準備、可視化；クラスタリングの紹介	Python • R	Jen • Eric Wanjau
15	ナイジェリアの音楽の趣味を探る 🎧	Clustering	K-平均法クラスタリング手法を探る	Python • R	Jen • Eric Wanjau
16	自然言語処理の入門 ☕️	Natural language processing	シンプルなボットの構築でNLPの基礎を学ぶ	Python	Stephen
17	一般的なNLPタスク ☕️	Natural language processing	言語構造処理に必要なよくあるタスクを理解しNLP知識を深める	Python	Stephen
18	翻訳と感情分析 ♥️	Natural language processing	ジェーン・オースティンを用いた翻訳と感情分析	Python	Stephen
19	ヨーロッパのロマンチックホテル ♥️	Natural language processing	ホテルレビュー1を使った感情分析	Python	Stephen
20	ヨーロッパのロマンチックホテル ♥️	Natural language processing	ホテルレビュー2を使った感情分析	Python	Stephen
21	時系列予測の入門	Time series	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	Time series	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	Time series	サポートベクター回帰による時系列予測	Python	Anirban
24	強化学習の紹介	Reinforcement learning	Q-Learningを用いた強化学習の紹介	Python	Dmitry
25	ピーターがオオカミを避けるのを助けよう！🐺	Reinforcement learning	強化学習用Gym	Python	Dmitry
補遺	実世界のMLシナリオと応用	ML in the Wild	古典的MLの面白く示唆に富んだ実際の応用例	Lesson	チーム
補遺	RAIダッシュボードを使ったMLモデルのデバッグ	ML in the Wild	Responsible AIダッシュボードコンポーネントを利用した機械学習におけるモデルデバッグ	Lesson	Ruth Yakubu

このコースの追加リソースはMicrosoft Learnコレクションで見つけることができます

オフラインアクセス

このドキュメントをオフラインで閲覧するには、Docsifyを使用します。このリポジトリをフォークし、ローカルマシンにDocsifyをインストールしてから、このリポジトリのルートフォルダーで docsify serve を入力します。Webサイトはローカルホストのポート3000で提供されます: localhost:3000。