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。